Conheça os Kaggle Grandmasters da NVIDIA e aprenda como eles usam a ciência de dados acelerada da NVIDIA para construir sistemas de recomendação vencedores, prever taxas de degradação em moléculas de RNA, identificar melanoma em imagens médicas e muito mais.
Ahmet Erdem
Cientista de Dados Sênior na NVIDIA
Chris Deott
Christof Henkel
Cientista de Dados na NVIDIA
Gilberto Titericz
Jean-Francois Puget
Engenheiro Distinto da NVIDIA
Jiwei Liu
Kazuki Onodera
JUNHO 2021
A equipe NVIDIA Merlin e KGMON conquistou o primeiro lugar no RecSys Challenge 2021 ao prever com eficácia a probabilidade de envolvimento do usuário em um ambiente dinâmico e fornecer recomendações justas em um conjunto de dados de vários milhões de pontos.
(1:10:47 Minutos)
MARÇO 2021
Neste desafio de sistema de recomendação, o objetivo era usar um conjunto de dados baseado em milhões de reservas de acomodação anônimas reais para chegar a uma estratégia para fazer a melhor recomendação para o seu próximo destino, tudo em temp.
(49:11 Minutes)
OUTUBRO 2020
Nesta competição, as equipes foram encarregadas de desenvolver modelos de machine learning e criar regras para degradação de RNA. Os modelos precisavam prever as taxas de degradação prováveis em cada base de uma molécula de RNA, treinados em um subconjunto de um conjunto de dados Eterna compreendendo mais de 3.000 moléculas de RNA (que abrangem uma panóplia de sequências e estruturas) e suas taxas de degradação em cada posição.
(56:56 Minutos)
SETEMBRO 2020
Neste desafio de reconhecimento de landmark, a equipe teve que construir modelos que reconhecem o landmark correto (se houver) em um conjunto de dados de imagens de teste complicadas. É mais fácil falar do que fazer, dado que o reconhecimento de pontos de referência contém um número muito maior de classes. Por exemplo, havia mais de 81.000 classes nesta competição.
(53:48 Minutos)
AGOSTO 2020
Nesta competição, a equipe teve que criar modelos de ML para identificar lesões de pele a partir de imagens de pacientes e determinar quais imagens têm maior probabilidade de representar um melanoma. O modelo vencedor de ML foi capaz de identificar o melanoma mais cedo e com mais precisão do que o dermatologista médio
(54:461 Minutos)
A Série Grandmaster é uma série mensal de vídeos educacionais para cientistas de dados. Em cada episódio, você ouvirá os maiores especialistas do mundo em ciência de dados enquanto eles compartilham seus insights, práticas recomendadas e os principais aprendizados de uma competição recente. Sintonize e aprenda como você pode aplicar o que aprenderam aos seus próprios desafios de ciência de dados.