认识 NVIDIA Kaggle Grandmaster (KGMoN)，了解他们如何使用 NVIDIA 加速数据科学来构建屡获殊荣的推荐系统、预测 RNA 分子中的降解速率、识别医学成像中的黑色素瘤等。
Bo Liu
NVIDIA 高级数据科学家
Chris Deotte
Christof Henkel
NVIDIA 数据科学家
David Austin
NVIDIA 首席系统软件工程师
Gilberto Titericz
Jean-Francois Puget
NVIDIA 杰出工程师
Jiwei Liu
Kazuki Onodera
Théo Viel
NVIDIA 高级深度学习数据科学家
2022 年 3 月和 2022 年 5 月
在两场不同的比赛中，该团队使用自然语言处理分析学生的论证性写作元素，并从医疗执照考试中识别出病历的关键短语。
(58:24)
2021 年 6 月
NVIDIA Merlin 和 KGMoN 团队通过有效预测动态环境中用户参与的概率，并基于数百万个点数据集提供合理建议，在 2021 年 RecSys 挑战赛中获得第一名。
(1:10:47)
2021 年 3 月
此次推荐系统挑战赛的目标是使用基于数百万个真实匿名住宿预订的数据集提出一种策略，为住客的下一个目的地提供最佳推荐，所有这些都是实时进行的。
(49:11)
观看此视频，简单了解自然语言处理的发展历史和现状，以及四场不同比赛所使用 Hugging Face Transformer 的最佳实践。
(1:06:02)
2020 年 10 月
在此次比赛中，团队负责开发机器学习模型并设计 RNA 降解规则。这些模型在包含 3000 多个 RNA 分子（这些分子涵盖一系列序列和结构）的 Eterna 数据集上进行训练，需要预测 RNA 分子每个碱基的可能降解率，以及在每个位置的降解率。
(56:56)
2020 年 9 月
在此次地标识别大赛中，团队必须构建模型，以识别复杂测试图像数据集中的正确地标（如果有的话）。这说起来容易但做起来难，因为地标识别包含的类数量要多得多。例如，本次比赛的类数量超过 81000。
2020 年 8 月
在此次比赛中，团队必须创建机器学习模型，以从患者的图像中识别皮肤病变，并确定哪些图像更有可能代表黑色素瘤。获胜的机器学习模型能够比普通皮肤科医生更早、更准确地识别黑色素瘤。
Grandmaster 系列是面向数据科学家的每月教学视频系列。在每一集中，一些优秀的数据科学专家都会分享他们的见解、最佳实践和从最近的比赛中学到的关键知识。收听并了解如何将他们的知识应用于您自己的数据科学挑战。