Conozca a los grandes maestros de Kaggle de NVIDIA y descubra cómo utilizan la ciencia de datos acelerada de NVIDIA para crear sistemas de recomendación ganadores, predecir las tasas de degradación en las moléculas de ARN, identificar el melanoma en las imágenes médicas y más.
Ahmet Erdem
Científico de Datos Sénior en NVIDIA
Bo Liu
Chris Deotte
Christof Henkel
Científico de Datos en NVIDIA
Gilberto Titericz
Jean-Francois Puget
Ingeniero Distinguido en NVIDIA
Jiwei Liu
Kazuki Onodera
JUNIO 2021
El equipo de NVIDIA Merlin y KGMON obtuvo el primer lugar en RecSys Challenge 2021 al predecir de manera efectiva la probabilidad de participación del usuario dentro de un entorno dinámico y brindar recomendaciones justas en un conjunto de datos de varios millones de puntos.
(1:10:47 Minutos)
MARCH 2021
En este desafío del sistema de recomendaciones, el objetivo era utilizar un conjunto de datos basado en millones de reservas de alojamiento anonimizadas reales para idear una estrategia para hacer la mejor recomendación para su próximo destino, todo en tiempo real.
(49:11 Minutos)
Marzo de 2021
Mire este video para obtener una breve lección de historia y el estado actual del procesamiento del lenguaje natural y las mejores prácticas para usar los transformers Hugging Face en cuatro competencias diferentes.
(1:06:02 Minutos)
OCTUBRE 2020
En esta competencia, los equipos se encargaron de desarrollar modelos de machine learning y diseñar reglas para la degradación del ARN. Los modelos necesarios para predecir las tasas de degradación probables en cada base de una molécula de ARN, entrenados en un subconjunto de un conjunto de datos de Eterna que comprende más de 3000 moléculas de ARN (que abarcan una panoplia de secuencias y estructuras) y sus tasas de degradación en cada posición.
(56:56 Minutes)
SEPTEMBER 2020
En este desafío de reconocimiento de puntos de referencia, el equipo tuvo que construir modelos que reconocieran el punto de referencia correcto (si lo hubiera) en un conjunto de datos de imágenes de prueba complicadas. Esto es más fácil decirlo que hacerlo, dado que el reconocimiento de puntos de referencia contiene una cantidad mucho mayor de clases. Por ejemplo, hubo más de 81.000 clases en esta competencia.
(49:11 Minutes)
AGOSTO 2020
En esta competencia, el equipo tuvo que crear modelos ML para identificar las lesiones cutáneas a partir de las imágenes de los pacientes y determinar qué imágenes tienen más probabilidades de representar un melanoma. El modelo ML ganador pudo identificar el melanoma antes y con mayor precisión que el dermatólogo promedio.
(54:461 Minutos)
La Serie Grandmaster es una serie mensual de videos educativos para científicos de datos. En cada episodio, escuchará a los principales expertos mundiales en ciencia de datos mientras comparten sus conocimientos, mejores prácticas y aprendizajes clave de una competencia reciente. Sintonice y aprenda cómo puede aplicar sus aprendizajes a sus propios desafíos de ciencia de datos.
Stay tuned for data science news and content, delivered straight to your inbox.
Send me the latest enterprise news, announcements, and more from NVIDIA. I can unsubscribe at any time.