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.
Ахмет Эрдем
Старший специалист по data science в NVIDIA
Бо Лю
Крис Деотт
Кристоф Хенкель
Специалист по data science в NVIDIA
Жилберто Титерич
Жан-Франсуа Пюже
Выдающийся Инженер NVIDIA
Цзивэй Лю
Кадзуки Онодера
ИЮНЬ 2021
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.
(1:10:47)
МАРТ 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.
(49:11)
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.
(1:06:02)
ОКТЯБРЬ 2020
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.
(56:56)
СЕНТЯБРЬ 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.
АВГУСТ 2020
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 — 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.
Благодарим за проявленный интерес. Наш представитель скоро свяжется с вами и предоставит более подробную информацию.