精选留学知识,分享海外经验

Connecting People for International Study

17岁!Kaggle史上最年轻Gr诞生

谢伟东 - 思客教育  2018-09-10




听说17岁的Mikel Bober-Irizar成了Kaggle史上最年轻的Grandmaster,那什么是Kaggle?还有这位17岁的男孩又是谁呢?


Kaggle。这个AI编程竞技平台最近会员数已超100万人,同时也证明了该平台在人工智能领域的地位,目前已被 Google 收购而排名榜单上处于领先地位的参赛者便是Mikel bober-irizar了。


timg (1).jpg


Kaggle成立于2010年,是全世界首屈一指的数据科学、机器学习开发者社区和竞赛平台。从参赛者角度讲,他们将组队参与项目,针对其中一个问题提出解决方案,最终由公司选出的最佳方案便可获得5K-10K美金的奖金。


在国外最受导师认可的也是kaggle平台,在Kaggle要成为Grandmaster非常困难,该头衔是根据Kaggle Progression System来判定的。它是一套用户的等级排名系统,类似于在游戏中做任务,一路打怪、攒经验,换取累计积分,达到一定要求之后便可升级。


Kaggle的Profile是你能力的证明


 Kaggle竞赛另一个有趣的地方在于每个人都有自己的Profile(个人资料),上面会显示所有你自己参与过的项目、活跃度、实时排位、历史最佳排位等。


微信图片_20180910162229.png

mikelkaggle挑战赛的战绩)


同时,Kaggle作为数据科学业内享有盛名的平台,在业界拥有极高的认可度。所以如果你是想寻找相关行业的工作,当你把这个Kaggle Profile的地址放到你的求职简历里,会被优先录取。


Mikel刷新了他在 Competitions 中的排名,第 31 位,晋级为最高级的 Grandmaster(其他等级依次为 Masters, Experts, Contributors, Novices),达到这一级别的在全球范围内共有 122 人。而他才只有17岁,更不可思议的是他的AI和机器学习知识全靠搜索网络资料,自学而成


Mikel才如此年轻就达到这么高的成就,他就读的学校并没有开设任何人工智能相关的课程。那么我们该要怎么做才能达到Mikel的这种水平呢 ?


接下来为大家隆重介绍专门为 Kaggle 人工智能竞赛 而开办的集训营:

 

   南科大AI科研集训营


为何选择AI科研集训营

AI (Artificial Intelligence)人工智能技术是引领未来的创新性技术,且在国家经济以及互联网、大数据及超级计算机的发展之下,AI技术的发展也进入了具有深度学习、跨界融合、人机协同,群智开发自主操控等特性的阶段。

本集训营将帮助学生了解人工智能(AI)的前沿发展和技术,真正体验顶级学府与科研团队的研究与生活状态,挑战国内顶尖的天池AI竞赛和国际的Kaggle人工智能竞赛。


Kaggle 人工智能竞赛

Kaggle于2010创立,专注于举办数据科学周边的线上竞赛。它吸引了大量数据科学家、机器学习开发者的参与,为各类现实中的商业难题开发基于数据的算法解决方案,竞赛的获奖者、领先者,在收获对方公司提供的优厚报酬之外,还将引起业内科技巨头的注意,获得各路HR青睐,为自己的职业道路铺上红地毯。2017年3月,Google收购了Kaggle, 称其为当今最大的数据科学家、机器学习开发者社区,其行业地位独一无二。收购Kaggle意味着把世界上最大的数据科学社区与最先进的机器学习云结合起来,推动AI技术的分享和推广,让AI技术能为尽可能多的开发者社群、用户和企业所用,让AI被用于解决他们各自的问题和需求。



●课程题目

HousePrices: Advanced Regression Techniques

●课程题目

Digit Recognizer

Learn computer vision fundamentals with the famous MNIST data

(使用著名的MNIST数据学习计算机视觉基础知识)


题目概况:

MNIST(Modified National Institute of Standards and Technology)是计算机视觉上“hello world”数据集。自1999年发布以来,这一经典的手写图像数据集已成为分类算法基准测试的基础。随着新机器学习技术的出现,MNIST仍然是研究人员和学习者的可靠资源。

在本次比赛中,参赛者的目标是从数万个手写图像的数据集中正确识别数字。我们鼓励参赛者尝试不同的算法,以便第一手了解哪些方法更有效以及如何比较技术。


●课程题目

 Titanic: Machine Learning from Disaster


 Predict survival on the Titanic and get familiar with ML basics

(预测泰坦尼克号的生存并熟悉ML基础知识)


题目概况:

RMS泰坦尼克号的沉没是历史上最臭名昭著的沉船之一。1912年4月15日,在其处女航中,泰坦尼克号在与冰山相撞后沉没,在2224名乘客和机组人员中造成了1502人死亡,震惊了国际社会。造成海难失事的愿意之一是乘客和机组人员没有足够的救生艇。尽管在沉船中幸存下来具有一定的运气因素,但有些人确实比其他人更容易生存,比如女人、孩子和上流社会人士。

在这个题目挑战中,要求参赛选手完成对可能存活的人群进行分析。尤其是,要求参赛选手运用机器学习工具来预测哪些乘客幸免于悲剧。


●项目收获

推荐信:表现优异学生可获得唐珂教授开具的推荐信

竞赛经验:对于申请读书或参加工作都是非常好的学术经历;获奖可收获对方公司提供的优厚报酬之外,还将引起业内科技巨头的注意

学术背景提升:给学生带来申请上显著的学术优势。参与研究工作在学生背景提升上起到了极大的作用


  师资力量

 唐珂  教授

1.jpg

阿里天池AI竞赛评委之一

 2017年获IEEE计算智能学会杰出青年奖

 IEEE高级会员、担任多个人工智能方向国际期刊的副编或编委

 研究方向:计算智能、演化计算、机器学习



杨鹏 助理教授

2.jpg

研究方向: 演化计算、人工智能


赵耀    

南方科技大学计算机系教学实验员

3.jpg

研究方向:数据结构、算法、人工智能


◆ 课程安排

基础课程:5天,30课时,每课时1小时

1.png

备注:基础课学校提供英文教材,并用中英文上课。


进阶课程:10天,60课时,每课时1小时

2.png

 招生对象

l  高一、高二年级在校学生

l  在校成绩达到本校排名前20%

l  英文基础良好

l  对AI方向有浓厚兴趣


授课模式

实地授课或远程授课,三人一组,组队方式参与,六人以上开班。


预备知识

数学方面:

  • 线性代数:如何将研究对象形式化?

  • 概率论:如何描述统计规律?

  • 数理统计:如何以小见大?

  • 形式逻辑:如何实现抽象推理?

  • 运筹学:如何用数学方法优化生活中生产、管理事件?

编程方面:

  • 熟悉主流编程语言(C++、JAVA等)或Python

  • 熟练掌握数据结构等基础知识


对项目有兴趣的同学,点击我的头像联系我吧!

 




推荐阅读