Грандмастеры Kaggle из NVIDIA

Познакомьтесь с командой грандмастеров Kaggle из NVIDIA (KGMoN) и узнайте, как они используют ускоренный NVIDIA 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

Бо Лю (Bo Liu)

Бо Лю (Bo Liu)

Старший специалист по data science в NVIDIA

Крис Деотт (Chris Deotte)

Крис Деотт (Chris Deotte)

Старший специалист по data science в NVIDIA

Кристоф Хенкель (Christof Henkel)

Кристоф Хенкель (Christof Henkel)

Специалист по data science в NVIDIA

Дэйв Остин (Dave Austin)

Дэвид Остин (David Austin)

Главный системный инженер-программист в NVIDIA

Жилберто Титерич (Gilberto Titericz)

Жилберто Титерич (Gilberto Titericz)

Специалист по data science в NVIDIA

Жан-Франсуа Пюже (Jean-Francois Puget)

Жан-Франсуа Пюже (Jean-Francois Puget)

Выдающийся инженер NVIDIA

Цзивэй Лю (Jiwei Liu)

Цзивэй Лю (Jiwei Liu)

Старший специалист по data science в NVIDIA

Кадзуки Онодера (Kazuki Onodera)

Кадзуки Онодера (Kazuki Onodera)

Старший специалист по data science в NVIDIA

Тео Виль (Théo Viel)

Тео Виль (Théo Viel)

Старший специалист по data science в области глубокого обучения, NVIDIA

Узнайте о последних соревнованиях команды KGMoN.

DeBERTa для задач обработки естественного языка

Март и май 2022 г.

DeBERTa для задач обработки естественного языка


В двух разных соревнованиях команда использовала обработку естественного языка для анализа элементов аргументативных эссе студентов и определяла ключевые фразы в картах пациентов с экзаменов на получение медицинской лицензии.

Соревнование по построению рекомендательных систем

Июнь 2021 г.

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 г.

Конкурс WSDM WebTour 2021 (Booking.com)


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 г.

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 г.

OpenVaccine: COVID-19 mRNA Vaccine Degradation Prediction


В этом конкурсе 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 г.

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 г.

Конкурс SIIM-ISIC Melanoma Classification


В этом конкурсе 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.

Изучите Grandmaster Series по data science.

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 уст о том, как использовать накопленный опыт экспертов для решения собственных задач в области data science.

Оформите подписку на новостную рассылку по data science.