Grandes Maestros de Kaggle de NVIDIA

Conoce a los Grandes Maestros de Kaggle de NVIDIA (KGMoN) y aprende cómo usan la ciencia de datos acelerada por NVIDIA para construir sistemas de recomendación ganadores, predecir tasas de degradación en moléculas de ARN, identificar cúmulos en la generación de imágenes médicas y más.

Conoce al Equipo de KGMoN

Bo Liu

Científico de Datos Sénior en NVIDIA

Ver Perfil

Chris Deotte

Científico de Datos Sénior en NVIDIA

Ver Perfil

Christof Henkel

Científico de Datos en NVIDIA

Ver Perfil

David Austin

Ingeniero Principal de Software de Sistemas en NVIDIA

Ver Perfil

Gilberto Titericz

Científico de Datos en NVIDIA

Ver Perfil

Jean-Francois Puget

Ingeniero Distinguido de NVIDIA

Ver Perfil

Jiwei Liu

Científico de Datos Sénior en NVIDIA

Ver Perfil

Kazuki Onodera

Científico de Datos Sénior en NVIDIA

Ver Perfil

Théo Viel

Científico de Datos Sénior de Deep Learning, NVIDIA

Ver Perfil

Explora las competencias recientes del equipo de KGMoN.

Marzo y Mayo de 2022

La Aparición de DeBERTa para las Tareas Descendentes de NLP

En dos competencias diferentes, el equipo utilizó el procesamiento de idiomas naturales para analizar elementos de escritura argumentativos de los estudiantes e identificó frases clave en los diagnósticos de los exámenes de licencia médica.

Ver el Video de Presentación: La Aparición de DeBERTa para las Tareas Descendentes de NLP

(58:24 minutos)

El Desafío de los Sistemas de Recomendación

Junio de 2021

RecSys Challenge

El equipo de NVIDIA Merlin y KGMON obtuvo el primer lugar en el evento RecSys Challenge 2021 al predecir eficazmente la probabilidad de participación del usuario en un entorno dinámico y proporcionar recomendaciones justas sobre un conjunto de datos de millones de puntos.

Ver el Video de Presentación: Árboles y Redes Neuronales Profundas Potenciados para Mejorar los Sistemas de Recomendación

(1:10:47 minutos)

Desafío de Recomendación de Destinos de Booking.com

Marzo de 2021

Desafío WebTour 2021 de Booking.com Búsqueda Web y Minería de Datos (WSDM)

En este desafío de sistemas de recomendación, el objetivo era utilizar un conjunto de datos basado en millones de reservas de alojamiento anonimizadas reales para diseñar una estrategia que lograra la mejor recomendación para su próximo destino, todo en tiempo real.

Ver el Video de Presentación: Cómo Construir un Modelo de ML de Clase Mundial para la Detección de Melanomas

(49:11 minutos)

Marzo de 2021

Desarrollo de Modelos de NLP de Clase Mundial con Transformers y Hugging Face

Mira este video para obtener una breve lección de historia y el estado actual del procesamiento de idiomas naturales, y las mejores prácticas para usar transformers de Hugging Face en cuatro competencias diferentes.

Ver el Video: Desarrollo de Modelos de NLP de Clase Mundial con Transformers y Hugging Face

(1:06:02 minutos)

Competencia de Predicción sobre la Degradación de la Vacuna del COVID-19 mRNA

Octubre de 2020

OpenVaccine: Predicción sobre la Degradación de la Vacuna con COVID-19 mRNA

En esta competencia, los equipos fueron encargados de desarrollar modelos de machine learning y de diseñar reglas para la degradación del ARN. Los modelos necesitaban predecir las tasas de degradación probables en cada base de una molécula de ARN, entrenados en un subconjunto de datos Eterna que comprende más de 3000 moléculas de ARN (que abarcan una colección de secuencias y estructuras), y sus tasas de degradación en cada posición.

Ver el Video de Presentación: Cómo Predecir Qué Vacunas Candidatas al COVID-19 mRNA Son Estables con IA

(56:56 minutos)

Septiembre de 2020

Google Landmark Recognition 2020

En este desafío de reconocimiento de lugares de referencia, el equipo tuvo que construir modelos que reconozcan la ubicación correcta (si hay alguna) en un conjunto de datos de imágenes de prueba complicadas. Es más fácil decirlo que hacerlo, dado que el reconocimiento de lugares de referencia contiene una cantidad mucho mayor de clases. Por ejemplo, habían más de 81,000 clases en esta competencia.

Ver el Video de Presentación: Cómo Realizar la Clasificación de Imágenes a Gran Escala

(49:11 minutos)

Agosto 2020

Clasificación de Melanoma SIIM-ISIC

En esta competencia, el equipo tuvo que crear modelos de ML para identificar lesiones en la piel a partir de las imágenes de los pacientes y determinar qué imágenes son más probables que representen un melanoma. El modelo de ML ganador fue capaz de identificar melanoma más temprano y con mayor precisión que el dermatólogo promedio.

Ver el Video de Presentación: Cómo Construir un Sistema de Recomendación de Deep Learning, E5

(49:11 minutos)

Explora la Serie Grandes Maestros de ciencia de datos.

La Serie Grandes Maestros es una serie de videos educativos mensuales para científicos de datos. En cada episodio, algunos de los principales expertos mundiales en ciencia de datos comparten sus conocimientos, mejores prácticas y aprendizajes clave de una competencia reciente. No te lo pierdas y aprende a aplicar sus aprendizajes a tus propios desafíos de ciencia de datos.

Explorar la Serie

Grandes Maestros de Kaggle de NVIDIA

Conoce al Equipo de KGMoN

Explora las competencias recientes del equipo de KGMoN.

La Aparición de DeBERTa para las Tareas Descendentes de NLP

RecSys Challenge

Desafío WebTour 2021 de Booking.com Búsqueda Web y Minería de Datos (WSDM)

Desarrollo de Modelos de NLP de Clase Mundial con Transformers y Hugging Face

OpenVaccine: Predicción sobre la Degradación de la Vacuna con COVID-19 mRNA

Google Landmark Recognition 2020

Clasificación de Melanoma SIIM-ISIC

Explora la Serie Grandes Maestros de ciencia de datos.

Regístrate para recibir noticias sobre la ciencia de datos.