NVIDIA の Kaggle Grandmaster (KGMoN)

NVIDIA の Kaggle Grandmaster をご紹介します。NVIDIA アクセラレーテッド データ サイエンスを使用して 、賞を得たレコメンダー システムを構築したり、RNA 分子の分解率を予測したり、医用画像でメラノーマを特定する方法などを学びましょう。

KGMoN チームの紹介

Ahmet Erdem

Ahmet Erdem

NVIDIA シニア データ サイエンティスト

Chris Deott

Chris Deott

NVIDIA シニア データ サイエンティスト

Christof Henkel

Christof Henkel

NVIDIA データ サイエンティスト

Gilberto Titericz

Gilberto Titericz

NVIDIA データ サイエンティスト

Jean-Francois Puget

Jean-Francois Puget

NVIDIA の名誉エンジニア

Jiwei Liu

Jiwei Liu

NVIDIA シニア データ サイエンティスト

Kazuki Onodera

Kazuki Onodera

NVIDIA シニア データ サイエンティスト

KGMoN チームの最近のコンペティションの様子をご覧ください

Recommender Systems Challenge

2021 年 6 月

RecSys Challenge

NVIDIA Merlin と KGMON のチームが RecSys Challenge 2021 で 1 位を獲得しました。数百万件のデータセットで、ユーザーのエンゲージメントの確率を効果的に予測しました。

Booking.com の旅行先推奨に挑戦

2021 年 3 月

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


このレコメンデーション システム課題の目標は、匿名化された無数の宿泊予約 (実際の宿泊予約) に基づくデータセットを利用し、リアルタイムで次のベスト旅行先を推奨する戦略を考えることです。

COVID-19 mRNA ワクチン分解予測コンテスト

2020 年 10 月

OpenVaccine: COVID-19 mRNA ワクチン分解予測


この競技では、機械学習モデルを開発し、RNA 劣化法則を考案するという課題がチームに与えられました。このモデルでは RNA 分子のベースごとに考えられる分解率を予測する必要があり、3000 超の RNA 分子 (無数の配列と構造がある) と各位置の分解率からなる Eterna データセットのサブセットでトレーニングしました。

Google Landmark Recognition 2020

2020 年 9 月

Google Landmark Recognition 2020


このランドマーク レコグニション チャレンジでは、複雑なテスト画像からなるデータセットの中に正しいランドマークがあればそれを認識するモデルを構築するという課題がチームに与えられました。これは「言うは易く行うは難し」です。ランドマーク レコグニションには、大量のクラスが含まれます。たとえば、このコンテストではクラスの数が 81,000 以上ありました。

SIIM-ISIC 黒色腫分類

2020 年 8 月

SIIM-ISIC 黒色腫分類


このコンテストでは、患者の画像から皮膚病変を特定し、黒色腫を示す可能性が最も高い画像を判断する ML モデルを作成するという課題がチームに与えられました。賞を得た ML モデルでは、平均的な皮膚科医よりも早期かつ正確に黒色腫を同定することができました。

Grandmaster Series

「Grandmaster Series」は、データ サイエンティストのための月刊教育ビデオ シリーズです。各エピソードで、データ サイエンスの世界を牽引するエキスパートたちがその考え、ベスト プラクティス、最近のコンペティションから得られたことをお話しします。視聴して、エキスパートたちが学んだことを自身のデータ サイエンスの課題にどのように応用できるかを学びましょう。

登録して、データ サイエンス関連のニュースを受け取る