AI比赛相关
@ ChungKing,若fork或star请注明来源 首发于公众号:重庆小哥稳
-
有什么比赛正在举行,欢迎大家提issue
-
2019-05-06 发现一个国外的人工智能/数据科学比赛整理平台,有各国比赛 DataSciComp,
随着近几年人工智能和大数据的快速发展和应用,使得相应的工智能&大数据相关比赛比赛近几年火热了起来,下面就我知道到的人工智能&大数据相关比赛,为大家简要说下,感兴趣的可以参加一些比赛,锻炼一下自己,也能知道一些前沿的技术,说不定还能拿些奖金呢?哈哈
建议:现在AI比赛非常多,如果想学习的话,最好有针对性地选择一项比赛,深钻下去,很多比赛也会建群讨论交流,能学到很多,而且有些还会有大佬直播答疑,赛后交流分享。对了,还有最好能组个队,有队友互相学习,会比单打独斗事半功倍。 欢迎交流(* ̄︶ ̄)
- Google数据集搜索:https://toolbox.google.com/datasetsearch
- Datahub,分享高质量数据集平台:https://datahub.io/
- 用于上传和查找数据集的机器学习数据集存储库:https://www.webdoctx.com/www.mldata.org
- datafountain收集数据集:https://www.datafountain.cn/dataSets
- tinymind收集数据集:https://www.tinymind.cn/sites#group_22 看到的一篇文章,里面有介绍很多数据集的:世界上最有价值的不是石油而是数据(附数据资源下载链接)
Kaggle号称是全球最大的数据科学家汇聚的平台,高手云集,同时对萌新也很友好。
Kaggle 上有两个最适合新手的竞赛(某种程度上已成为 Kaggle 的「入门教程」):
Titanic(预测生存:一种二元分类问题):https://www.kaggle.com/c/titanic
房价(预测价格:回归问题):https://www.kaggle.com/c/house-prices-advanced-regression-techniques
强烈建议你有时间两项都尝试一下,对入门学习是很有益处的!
http://www.icme2019.org/conf_challenges
http://www.icme2018.org/conf_challenges
IEEE ICME(IEEE International Conference on Multimedia and Expo)是由IEEE Computer Society、Circuits and Systems Society、 Signal Processing Society以及Communications Society共同主办的计算机多媒体领域最重要的国际会议之一,至今(2019)已连续举办18届,涵盖文本分析、图形图像、视频、语音音频等多媒体数据的处理、传输、分析与应用等主题。
国内是看到了AI在未来的重要性,各个公司已经相应投资者纷纷开设了很多相关的比赛及平台,下面说下我所知道的。
2. 阿里云天池大赛
2015年3月23日,阿里云计算宣布启动新一赛季的天池大数据竞赛,到目前为止,已经加入了很多,比如算法大赛,程序设计大赛,为新手准备的入门赛,还有可视化大赛,千里马大赛,创新应用大赛。门类相对来说非常齐全。 而且一般比赛持续周期很长,大家可以择机参加。
DF(DataFountain)的目标是构建**最有影响力和权威度的数据科学与大数据分析处理竞赛平台。大赛的奖池规模很大,而且备考**计算机学会这种国家学会,和很多优秀企业开办比赛,平台竞赛数量质量越来越高,CCF每年的大赛都是DF组织的,影响力挺大的,平台参与人数也挺多。
“AIChallenger全球AI挑战赛”。是由创新工场、搜狗和今日头条联合宣布三方携手发起的。 AI Challenger 全球AI挑战赛”是面向全球人工智能人才的开源数据集和编程竞赛平台,致力于满足AI人才成长对高质量丰富数据集的需求,推动AI在科研与商业领域结合来解决真实世界的问题。 2017年才举办第一期,现在2018年8月第二期开始啦。 这个比赛数据集很大,都是解决实际问题,难度较高,当然,奖金特别高,一般都是公司或者高校团队参加。
新发现的一个AI竞赛平台,比赛类型分为图像,自然语言处理,语音这三块,比赛形式每提交一次代码只要符合条件就有奖金。个人觉得这种形式还是挺好的,真的有助于全民AI的氛围形成。 FlyAI 新一代AI竞赛社区 FlyAI是游戏化AI竞赛服务平台,吸引国内外优秀的AI开发者和AI需求者,让AI从科学家社区走向工程师社区。它不仅仅是开发者社区,而是未来企业个性化AI解决方案的核心,也是未来AI行业生态的起点。目前平台已注册3000人,拥有近50个AI项目(可执行代码、规范化数据、可用模型),接下来将会通过技术论坛、资讯网站、校园等途径不断发掘吸引AI人才。
Biendata.com是一个人工智能竞赛学习平台。用户可通过该平台报名并参加人工智能领域各类赛事。 这项比赛奖金也是很丰厚的,不过也是难度较高,一般公司或者高校团队参加。 最近有一个比赛是: **人工智能学会 & 字节跳动 办的为字节跳动海外产品文章自动生成标题,感觉还是挺有意思的。
科赛(Kesci.com)是聚合数据人才和行业问题的在线社区。科赛打造的 K-Lab 在线数据分析协作平台,为数据工作者的学习和工作带来全新的体验。 比赛有简单,有难,有些有奖金,有些没有,可能知名度没有前几个高
8. 数愿大数据AI竞赛平台
致力于打造一流高度专业化大数据人工智能竞赛,挖掘优质人才和数据价值,推动项目商业化落地,助力创业者实现梦想 奖励丰厚,大多和创业相关,知名度不高,不过价值很高,可以多多参与。
大赛主要聚焦人工智能安全问题
聚焦机器学习对抗训练 全球首创AI对抗样本攻防赛CAAD CTF CAAD对抗样本攻防赛是GeekPwn2018推出的全新挑战项目,聚焦人工智能领域潜在安全问题,旨在通过专业的技术比拼,选手在现场进行实时攻击与防守比赛,提前预演人工智能应用潜在的安全风险,保护人工智能健康成长。
GeekPwn2018嘉年华将于2018 年10月24日-25日在上海举行。届时CAAD 对抗样本攻防赛、数据追踪挑战赛、黑客屋挑战赛、机器特工挑战赛、PWN FOR FUN趣味挑战赛、基于漏洞和非基于漏洞挑战赛轮番上演
以上都是大家可能比较熟知的比赛平台,但也有一些公司自己举办的非常好的AI比赛平台。
-
京东大赛:http://jddjr.jd.com/
-
CSDN- tinymind比赛:https://www.tinymind.cn/competitions
-
AI开发者大赛 - 讯飞开放平台:http://challenge.xfyun.cn/
-
爱奇艺AI竞赛平台:http://challenge.ai.iqiyi.com/
-
ATEC蚂蚁开发者大会: https://dc.cloud.alipay.com/index#/home
-
泰迪杯-泰迪公司:http://www.tipdm.org/bdrace/jingsa/
-
中兴捧月算法大赛:http://challenge.zte.net/index.php
-
**人工智能竞赛:https://ai.ixm.gov.cn/
-
珠算,它提供了一个Python编程库,能够便捷地实现贝叶斯深度学习的建模和推理。
深度学习中经常看到epoch、iteration和batchsize,下面按照自己的理解说说这三个区别:
- batchsize:批大小。在深度学习中,一般采用SGD训练,即每次训练在训练集中取batchsize个样本训练;
- iteration:1个iteration等于使用batchsize个样本训练一次;
- epoch:1个epoch等于使用训练集中的全部样本训练一次;
举个例子,训练集有1000个样本,batchsize=10,那么: 训练完整个样本集需要: 100次iteration,1次epoch。
-
第一届腾讯社交广告高校算法大赛(全国14名): freelzy / Tencent_Social_Ads
-
2017-CCF-BDCI-让AI当法官(初赛):ShawnyXiao/2017-CCF-BDCI-AIJudge
-
初赛Rank1 复赛Rank1 2018 CCF 大数据与计算智能大赛 供应链需求预测:yuxiaowww/BDCI-2018-Supply-Chain-Demand-Forecast
-
招商银行信用卡中心 消费金融场景下的用户购买预测 rank1: sunwantong/China-Merchants-Bank-credit-card-Cente-User-purchase-forecast
-
2018-CCF大数据与计算智能大赛-面向电信行业存量用户的智能套餐个性化匹配模型联通赛-复赛第二名解决方案:PandasCute/2018-CCF-BDCI-China-Unicom-Research-Institute-top2
-
2019年CCF大数据与计算智能大赛乘用车细分市场销量预测冠军解决方案 :cxq80803716/2019-CCF-BDCI-Car_sales
- ICDAR2015 Incidental Scene Text竞赛的文字检测和文字识别以及端到端(检测+识别)算法的排行榜,里面的排名代表了目前最新的场景OCR技术,部分模型提供了相关论文和开源代码链接。
微信公众号:【双愚】(huang_chongqing) 聊科研技术,谈人生思考,欢迎关注~
往期推荐:
Copyright (c) ChungKing. All rights reserved.
Licensed under the MIT License.