Грандмастеры Kaggle из NVIDIA (KGMoN)

Познакомьтесь с командой грандмастеров Kaggle из NVIDIA и узнайте, как они используют ускоренный анализ данных для создания эффективных рекомендательных систем, прогнозирования скорости деградации молекул РНК, выявления меланомы с помощью медицинской визуализации и других современных задач.

Знакомьтесь, команда KGMoN

Ахмет Эрдем

Ахмет Эрдем

Старший специалист по data science в NVIDIA

Бо Лю

Бо Лю

Старший специалист по data science в NVIDIA

Крис Деотт

Крис Деотт

Старший специалист по data science в NVIDIA

Кристоф Хенкель

Кристоф Хенкель

Специалист по data science в NVIDIA

Жилберто Титерич

Жилберто Титерич

Специалист по data science в NVIDIA

Жан-Франсуа Пюже

Жан-Франсуа Пюже

Выдающийся Инженер NVIDIA

Цзивэй Лю

Цзивэй Лю

Старший специалист по data science в NVIDIA

Кадзуки Онодера

Кадзуки Онодера

Старший специалист по data science в NVIDIA

Последние соревнования KGMoN

Соревнование по построению рекомендательных систем

ИЮНЬ 2021

Конкурс RecSys


Команда NVIDIA Merlin и KGMON заняла 1-е место в конкурсе RecSys Challenge 2021, эффективно предсказав вероятность cтепени вовлеченности пользователей в динамической среде и построив адекватные рекомендательные системы на основе огромного количества данных из гетерогенных источников.

Конкурс по рекомендательным системам для направлений на сайте Booking.com

МАРТ 2021

Конкурс WSDM WebTour 2021


Целью этого соревнования было использовать набор данных, основанный на миллионах реальных анонимных бронирований жилья, и разработать стратегию для отображения наиболее точных рекомендаций по следующему месту размещения путешественника в реальном времени.

Создание высококачественных моделей обработки естественного языка с помощью Transformers и Hugging Face

МАРТ 2021

Создание высококачественных моделей обработки естественного языка с помощью Transformers и Hugging Face


Посмотрите видео, чтобы получить краткий экскурс в историю и ознакомиться с текущим положением дел в сфере обработки естественного языка Также вы узнаете оптимальные методы использования моделей Transformers от Hugging Face в четырех разных конкурсах.

Конкурс COVID-19 mRNA Vaccine Degradation Prediction

ОКТЯБРЬ 2020

Конкурс COVID-19 mRNA Vaccine Degradation Prediction


В этом соревновании командам было необходимо разработать модели машинного обучения и вывести правила деградации РНК. Модели, необходимые для прогнозирования скоростей деградации на каждом основании молекулы РНК, обучены на подмножестве набора данных Eterna, включающем в себя более 3000 молекул РНК (которые охватывают множество последовательностей и структур) и информацию о скоростях их деградации в каждом положении.

Конкурс Google Landmark Recognition 2020

СЕНТЯБРЬ 2020

Конкурс Google Landmark Recognition 2020


В этом конкурсе команде было необходимо построить модели, которые распознают и извлекают правильный ориентир (если таковой имеется) в наборе данных сложных тестовых изображений. Звучит просто, но на самом деле это достаточно трудно осуществимая задача, так как для распознавания ориентира необходимо огромное количество классов. Например, в этом случае было задействовано более 81 тысячи классов.

Конкурс SIIM-ISIC Melanoma Classification

АВГУСТ 2020

Конкурс SIIM-ISIC Melanoma Classification


В этом соревновании команде было необходимо создать модели машинного обучения для идентификации кожных поражений по изображениям пациентов и выявления изображений, на которых с наибольшей долей вероятности есть меланома. Победившая модель машинного обучения смогла идентифицировать меланому раньше и точнее, чем cреднестатистический врач-дерматолог.

Grandmaster Series

Grandmaster Series — это серия обучающих материалов для специалистов по data science. Новое видео выходит раз в месяц. В каждом выпуске ведущие мировые эксперты в области data science делятся своим опытом, рекомендациями и знаниями, полученными в ходе конкурса. Присоединяйтесь и узнайте из первых рук, как использовать накопленный опыт для решения собственных задач в области data science.

Оформите подписку на новостную рассылку по data science.