KAGGLE GRANDMASTER OF NVIDIA (KGMON)

NVIDIA의 캐글 그랜드마스터로부터 NVIDIA 가속 데이터 사이언스를 사용하여 최고의 추천 시스템을 구축한 방법, RNA 분자의 분해 속도를 예측하는 방법, 메디컬 이미징에서 흑색종을 식별하는 방법 등을 알아보세요.

KGMoN 팀을 만나보세요

Ahmet Erdem

Ahmet Erdem

NVIDIA 선임 데이터 사이언티스트

Bo Liu

Bo Liu

NVIDIA 선임 데이터 사이언티스트

Chris Deott

Chris Deott

NVIDIA 선임 데이터 사이언티스트

Christof Henkel

Christof Henkel

NVIDIA 데이터 사이언티스트

Gilberto Titericz

Gilberto Titericz

NVIDIA 데이터 사이언티스트

Jean-Francois Puget

Jean-Francois Puget

NVIDIA 수석 엔지니어

Jiwei Liu

Jiwei Liu

NVIDIA 선임 데이터 사이언티스트

Kazuki Onodera

JKazuki Onodera

NVIDIA 선임 데이터 사이언티스트

KGMoN 팀의 최근 대회 살펴보기

추천 시스템 챌린지

2021년 6월

RecSys Challenge

NVIDIA Merlin과 KGMoN 팀은 역동적인 환경에서 사용자 참여 확률을 효과적으로 예측하고 수백만 포인트 데이터세트에 대한 공정한 추천을 제공하여 RecSys Challenge 2021에서 1위를 차지했습니다.

Booking.com 대상 추천 챌린지

2021년 3월

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


이 추천 시스템 챌린지의 목표는 수백만 개의 실제 익명 숙소 예약에 기반한 데이터세트를 사용하여 다음 목적지에 대한 최상의 실시간 추천 전략을 마련하는 것이었습니다.

트랜스포머와 Hugging Face로 세계적인 수준의 NLP 모델 구축

March 2021

트랜스포머와 Hugging Face로 세계적인 수준의 NLP 모델 구축


이 영상을 시청하여 자연어 처리의 이전 기록 및 현재 상태 그리고 네 가지 경쟁에서의 Hugging Face 트랜스포머 사용 모범 사례를 간략하게 알아보세요.

코로나19 mRNA 백신 분해 예측(COVID-19 mRNA Vaccine Degradation Prediction) 대회

2020년 10월

OpenVaccine: 코로나19 mRNA 백신 분해 예측(COVID-19 mRNA Vaccine Degradation Prediction)


이 대회에서 각 팀은 머신 러닝 모델을 개발하고 RNA 분해 규칙을 설계하는 임무를 받았습니다. 머신 러닝 모델은 RNA 분자 내 각 염기의 분해 속도를 예측하는 데 필요했으며, 3,000개 이상의 RNA 분자(서열 및 구조 전체에 있는)로 구성된 Eterna 데이터세트의 하위 집합과 각 위치에서의 분해 속도를 훈련했습니다.

Google Landmark Recognition 2020

2020년 9월

Google Landmark Recognition 2020


이 랜드마크 인식 챌린지에서 각 팀은 복잡한 테스트 이미지의 데이터세트에서 올바른 랜드마크(있는 경우)를 인식하는 모델을 구축해야 했습니다. 랜드마크 인식에는 훨씬 더 많은 수의 클래스가 포함되기 때문에 말처럼 쉽지 않습니다. 그 예로, 이 대회에서는 81,000개 이상의 클래스가 있었습니다.

SIIM-ISIC 흑색종 분류

2020년 8월

SIIM-ISIC 흑색종 분류


이 대회에서 각 팀은 환자의 이미지에서 피부 병변을 식별하고 흑색종일 가능성이 가장 높은 이미지를 판단하는 ML 모델을 만들어야 했습니다. 우승을 차지한 ML 모델은 피부과 의사의 평균치보다 더 빠르고 정확하게 흑색종을 식별할 수 있었습니다.

그랜드마스터 시리즈

그랜드마스터 시리즈는 데이터 사이언티스트를 위한 월간 교육 영상 시리즈입니다. 각 에피소드에서는 세계 최고의 데이터 사이언스 전문가로부터 최근 대회에서 얻은 인사이트, 모범 사례 및 주요 학습 내용을 들어보실 수 있습니다. 여기서 학습한 내용을 여러분의 데이터 사이언스 챌린지에 적용할 수 있는 방법을 알아보세요.

가입하여 데이터 사이언스 뉴스를 받아보세요