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
Chris Deott
Christof Henkel
Científico de Datos en NVIDIA
Gilberto Titericz
Jean-Francois Puget
Ingeniero Distinguido en NVIDIA
Jiwei Liu
Kazuki Onodera
JUNIO 2021
The NVIDIA Merlin and KGMON team earned 1st place in the RecSys Challenge 2021 by effectively predicting the probability of user engagement within a dynamic environment and providing fair recommendations on a multi-million point dataset.
(1:10:47 Minutos)
MARCH 2021
In this recommendation system challenge, the goal was to use a dataset based on millions of real anonymized accommodation reservations to come up with a strategy for making the best recommendation for their next destination, all in real-time.
(49:11 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
In this landmark recognition challenge, the team had to build models that recognize the correct landmark (if any) in a dataset of complicated test images. This is easier said than done, given landmark recognition contains a much larger number of classes. For example, there were more than 81,000 classes in this competition.
(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.