Équipe Kaggle Grandmasters de NVIDIA

Rencontrez les membres de l’équipe Kaggle Grandmasters (KGMoN) de NVIDIA et découvrez comment ils utilisent des outils de Data Science accélérés par NVIDIA pour créer des systèmes de recommandation à haut degré de performance, prédire les taux de dégradation des molécules d’ARN, identifier des cas de mélanome grâce à l’imagerie médicale, et bien plus encore.

Rencontrez l’équipe KGMoN

Bo Liu

Bo Liu

Data scientist senior, NVIDIA

Chris Deotte

Chris Deotte

Data scientist senior, NVIDIA

Christof Henkel

Christof Henkel

Data scientist, NVIDIA

Dave Austin

David Austin

Ingénieur principal en logiciels systèmes, NVIDIA

Gilberto Titericz

Gilberto Titericz

Data scientist, NVIDIA

Jean-Francois Puget

Jean-Francois Puget

Ingénieur éminent, NVIDIA

Jiwei Liu

Jiwei Liu

Data scientist senior, NVIDIA

Kazuki Onodera

Kazuki Onodera

Data scientist senior, NVIDIA

Théo Viel

Théo Viel

Data scientist senior en Deep Learning, NVIDIA

Découvrez les projets récents de l’équipe KGMoN

Exploitation du modèle DeBERTa pour les tâches de traitement automatique du langage naturel

Mars et Mai 2022

Exploitation du modèle DeBERTa pour les tâches de traitement automatique du langage naturel


Dans le cadre de deux concours distincts, l’équipe a mis à profit le traitement automatique du langage naturel pour analyser les éléments d’écriture argumentative des étudiants et identifier des phrases-clés dans les notes sur les patients lors des examens d’accréditation médicale.

Défi portant sur les systèmes de recommandation

Juin 2021

Défi organisé par RecSys


L’équipe NVIDIA Merlin et KGMON a remporté la 1re place de l’édition 2021 du défi RecSys en prédisant efficacement les probabilités d’engagement des utilisateurs au sein d’un environnement dynamique et en fournissant des recommandations équilibrées sur des jeux de données composés de plusieurs millions de points.

Défi de Booking.com portant sur les recommandations de destination

Mars 2021

Défi WSDM (Web Search & Data Mining) WebTour 2021 de Booking.com


Ce défi, portant sur les systèmes de recommandation, encourageait les ingénieurs à utiliser un jeu de données basé sur des millions de réservations d’hébergement anonymisées pour élaborer une stratégie permettant d’émettre la meilleure recommandation sur la prochaine destination d’un utilisateur, le tout en temps réel.

Conception de modèles NLP avancés avec des transformateurs et la communauté Hugging Face

Mars 2021

Conception de modèles NLP avancés avec des transformateurs et la communauté Hugging Face


Regardez cette vidéo pour en savoir plus sur l’historique et la conjoncture actuelle des solutions de traitement du langage naturel (NLP), mais aussi sur les meilleures pratiques relatives à l’utilisation des transformateurs utilisés par la communauté Hugging Face dans quatre compétitions différentes.

Concours de prédiction sur la dégradation des vaccins à ARN messager du COVID-19

Octobre 2020

Initiative OpenVaccine : prédiction de la dégradation des vaccins à ARN messager du COVID-19


Dans le cadre de ce concours, des équipes d’ingénierie ont été chargées de développer des modèles d’apprentissage automatique et de concevoir des règles portant sur la dégradation de l’ARN. Ces modèles, qui devaient prédire les taux de dégradation probables de chaque base d’une molécule d’ARN, ont été entraînés sur un sous-ensemble d’un jeu de données Eterna comprenant plus de 3000 molécules d’ARN (couvrant une gamme variée de séquences et de structures) et leurs taux de dégradation à chaque position.

Édition 2020 du concours Landmark Recognition de Google

Septembre 2020

Édition 2020 du concours Landmark Recognition de Google


Dans cette nouvelle édition du concours Landmark Recognition de Google, l’équipe a dû concevoir des modèles à même de reconnaître le bon point de repère, le cas échéant, dans un jeu de données d’images de test complexes. Plus facile à dire qu’à faire, étant donné que la reconnaissance des points de repère implique un nombre de classes extrêmement élevé. Il y avait par exemple plus de 81 000 classes dans le cadre de ce concours.

Classification du mélanome SIIM-ISIC

Août 2020

Classification du mélanome SIIM-ISIC


Ce concours incitait les équipes participantes à créer des modèles d’apprentissage automatique pour l’identification des lésions cutanées à partir d’images de patients, de manière à déterminer quelles images sont les plus susceptibles de représenter un mélanome. Le modèle gagnant a été en mesure d’identifier le mélanome plus tôt et plus précisément qu’un dermatologue moyen.

Programme Grandmaster Series sur la Data Science

Le programme Grandmaster Series centralise une série de vidéos pédagogiques dédiées aux data scientists. Dans chaque épisode à publication mensuelle, vous entendrez les plus grands experts mondiaux de la Data Science partager leurs idées, leurs meilleures pratiques et les principaux enseignements tirés de concours récents. Connectez-vous et découvrez comment appliquer leurs apprentissages à vos propres défis en matière de Data Science.

Suivez l’actualité de la Data Science.