NVIDIA 선임 데이터 사이언티스트
NVIDIA 캐글 그랜드마스터
NVIDIA의 캐글 그랜드마스터(KGMoN)가 NVIDIA 가속 데이터 사이언스를 사용하여 최고의 추천 시스템을 구축한 방법, RNA 분자의 분해 속도를 예측하는 방법, 메디컬 이미징에서 흑색종을 식별하는 방법 등을 소개합니다.
KGMoN 팀을 소개합니다
NVIDIA 선임 데이터 사이언티스트
NVIDIA 데이터 사이언티스트
NVIDIA 수석 시스템 소프트웨어 엔지니어
NVIDIA 데이터 사이언티스트
NVIDIA 수석 엔지니어
NVIDIA 선임 데이터 사이언티스트
NVIDIA 선임 데이터 사이언티스트
KGMoN 팀의 최근 대회를 살펴보세요.
2022년 3월과 5월
NLP 다운스트림 작업을 위한 DeBERTa의 부상
두 번의 서로 다른 경기에서, 캐글 그랜드마스터 팀은 자연어 처리를 사용하여 학생들의 논증 에세이 요소를 분석하고, 의료 면허 시험의 환자 노트에서 핵심 문구를 식별해 냈습니다.
2021년 6월
RecSys Challenge
NVIDIA Merlin과 KGMoN 팀은 역동적인 환경에서 사용자 참여 확률을 효과적으로 예측하고 수백만 포인트 데이터세트에 대한 공정한 추천을 제공하여 RecSys Challenge 2021에서 1위를 차지했습니다.
2021년 3월
Booking.com Web Search and Data Mining (WSDM) WebTour 2,021 Challenge
이 추천 시스템 챌린지의 목표는 수백만 개의 실제 익명 숙소 예약에 기반한 데이터세트를 사용하여 다음 목적지에 대한 최상의 실시간 추천 전략을 마련하는 것이었습니다.
2021년 3월
트랜스포머와 Hugging Face로 세계적인 수준의 NLP 모델 구축
이 영상을 시청하여 자연어 처리의 이전 기록 및 현재 상태, 네 가지 경쟁에서의 Hugging Face 트랜스포머 사용 모범 사례를 간략하게 알아보세요.
2020년 10월
OpenVaccine: COVID-19 mRNA Vaccine Degradation Prediction
이 대회에서 각 팀은 머신 러닝 모델을 개발하고 RNA 분해 규칙을 설계하라는 임무를 받았습니다. 머신 러닝 모델은 RNA 분자 내 각 염기의 분해 속도를 예측하는 데 필요했으며, 3,000개 이상의 RNA 분자(서열 및 구조 전체에 있는)로 구성된 Eterna 데이터세트의 하위 집합과 각 위치에서의 분해 속도를 훈련했습니다.
2022년 9월
Google Landmark Recognition 2020
이 랜드마크 인식 챌린지에서 각 팀은 복잡한 테스트 이미지의 데이터세트에서 올바른 랜드마크(있는 경우)를 인식하는 모델을 구축해야 했습니다. 랜드마크 인식에는 훨씬 더 많은 수의 클래스가 포함되기 때문에 말처럼 쉽지 않습니다. 그 예로, 이 대회에서는 81,000개 이상의 클래스가 있었습니다.
2020년 8월
SIIM-ISIC Melanoma Classificatione
이 대회에서 각 팀은 환자의 이미지에서 피부 병변을 식별하고 흑색종일 가능성이 가장 높은 이미지를 판단하는 ML 모델을 만들어야 했습니다. 우승을 차지한 ML 모델은 피부과 의사의 평균치보다 더 빠르고 정확하게 흑색종을 식별할 수 있었습니다.
데이터 사이언스 그랜드마스터 시리즈를 살펴보세요.
그랜드마스터 시리즈는 데이터 사이언티스트를 위한 월간 교육 영상 시리즈입니다. 각 에피소드에서는 세계 최고의 데이터 사이언스 전문가로부터 최근 대회에서 얻은 인사이트, 모범 사례 및 주요 학습 내용을 들어보실 수 있습니다. 여기서 학습한 내용을 여러분의 데이터 사이언스 챌린지에 적용할 수 있는 방법을 알아보세요.