Kaggle Grandmasters di NVIDIA (KGMoN)

Incontra i Kaggle Grandmaster di NVIDIA e scopri come utilizzano la scienza dei dati accelerata per creare sistemi recommender vincenti, prevedere i tassi di degradazione nelle molecole di RNA, identificare il melanoma nelle immagini diagnostiche e altro ancora.

Incontra il team KGMoN

Ahmet Erdem

Ahmet Erdem

Senior Data Scientist, NVIDIA

Chris Deott

Chris Deott

Senior Data Scientist, NVIDIA

Christof Henkel

Christof Henkel

Data Scientist, NVIDIA

Gilberto Titericz

Gilberto Titericz

Data Scientist, NVIDIA

Jean-Francois Puget

Jean-Francois Puget

Distinguished Engineer, NVIDIA

Jiwei Liu

Jiwei Liu

Senior Data Scientist, NVIDIA

Kazuki Onodera

JKazuki Onodera

Senior Data Scientist, NVIDIA

Esplora le recenti competizioni del team KGMoN

La sfida dei sistemi recommender

GIUGNO 2021

RecSys Challenge

Il team NVIDIA Merlin e KGMON ha ottenuto il 1° posto nella RecSys Challenge 2021 prevedendo in modo efficace le probabilità di coinvolgimento degli utenti in un ambiente dinamico e fornendo consigli adeguati su un dataset di milioni di dati.

Booking.com Destination Recommendation Challenge

MARZO 2021

Booking.com Web Search and Data Mining (WSDM) WebTour 2021 Challenge


In questa sfida per sistemi recommender, l'obiettivo era utilizzare un dataset basato su milioni di prenotazioni di alloggi reali anonime per elaborare una strategia atta a consigliare la prossima destinazione agli utenti, in tempo reale.

COVID-19 mRNA Vaccine Degradation Prediction Competition

OTTOBRE 2020

OpenVaccine: COVID-19 mRNA Vaccine Degradation Prediction


In questa competizione, ai team è stato chiesto di sviluppare modelli di machine learning e progettare regole per la degradazione dell'RNA. I modelli dovevano prevedere i probabili tassi di degradazione su ciascuna base di una molecola di RNA, addestrati con il sottoinsieme di un dataset Eterna costituito da oltre 3000 molecole di RNA (che abbracciano un'infinità di sequenze e strutture), e i loro tassi di degradazione in ciascuna posizione.

Google Landmark Recognition 2020

SETTEMBRE 2020

Google Landmark Recognition 2020


In questa sfida per il riconoscimento di punti di riferimento, il team ha dovuto costruire modelli che riconoscono il punto di riferimento corretto (se presente) in un dataset di immagini di test complesse. Più facile a dirsi che a farsi, dato che il riconoscimento dei punti di riferimento contiene un numero molto maggiore di classi. Ad esempio, c'erano più di 81.000 classi in questa competizione.

SIIM-ISIC Melanoma Classification

AGOSTO 2020

SIIM-ISIC Melanoma Classification


In questa competizione, il team ha dovuto creare modelli ML per identificare le lesioni cutanee dalle immagini dei pazienti e individuare le immagini con le maggiori probabilità di rappresentare un melanoma. Il modello ML vincente è stato in grado di identificare il melanoma prima e in modo più accurato rispetto a una visita dermatologica media.

Serie Grandmaster

La serie Grandmaster è una serie di video informativi mensili per i data scientist. In ogni episodio, ascolterai i maggiori esperti mondiali di scienza dei dati condividere intuizioni, best practice e nozioni apprese nelle recenti competizioni. Sintonizzati e scopri come puoi applicare le loro conoscenze alle tue sfide di scienza dei dati.

Iscriviti per ricevere notizie sulla scienza dei dati