Senior Data Scientist bei NVIDIA
Treffen Sie die Kaggle Grandmasters of NVIDIA (KGMoN) und erfahren Sie, wie sie NVIDIA nutzen, um in der Datenwissenschaft schneller erfolgreiche Empfehlungssysteme zu entwickeln, Abbauraten in RNA-Molekülen vorherzusagen, Melanome in der medizinischen Bildgebung zu identifizieren und vieles mehr.
Senior Data Scientist bei NVIDIA
Senior Data Scientist bei NVIDIA
Data Scientist bei NVIDIA
Principal Systems Software Engineer bei NVIDIA
Data Scientist bei NVIDIA
Distinguished Engineer bei NVIDIA
Senior Data Scientist bei NVIDIA
Senior Data Scientist bei NVIDIA
März und Mai 2022
In zwei verschiedenen Wettbewerben setzte das Team die Verarbeitung natürlicher Sprache ein, um Argumentationsstrukturen in Schüleraufsätzen zu analysieren und Schlüsselformulierungen in Patientennotizen aus ärztlichen Prüfungen zu identifizieren.
Juni 2021
Das NVIDIA Merlin- und KGMON-Team erreichte den 1. Platz in der RecSys Challenge 2021, indem es die Wahrscheinlichkeit der Benutzerinteraktion in einer dynamischen Umgebung effektiv vorhersagte und faire Empfehlungen auf der Basis eines Datensatzes mit mehreren Millionen Punkten abgab.
März 2021
Bei diesem Wettbewerb für Empfehlungssysteme bestand das Ziel darin, anhand eines Datensatzes, der auf Millionen von echten, anonymisierten Unterkunftsbuchungen basierte, eine Strategie zu entwickeln, die in Echtzeit die besten Empfehlungen für das nächste Reiseziel abgibt.
März 2021
Schauen Sie sich dieses Video an. Sie erhalten einen kurzen Einblick in die Geschichte und den aktuellen Forschungsstand der Verarbeitung natürlicher Sprache sowie Informationen zu den Best Practices für den Einsatz von Transformers von Hugging Face in vier verschiedenen Wettbewerben.
Oktober 2020
In diesem Wettbewerb wurden die Teams mit der Entwicklung von Modellen für maschinelles Lernen und dem Entwurf von Regeln für den RNA-Abbau beauftragt. Die Modelle, die benötigt wurden, um wahrscheinliche Abbauraten an jeder Basis eines RNA-Moleküls vorherzusagen, wurden mit einer Teilmenge eines Eterna-Datensatzes trainiert, der über 3000 RNA-Moleküle (die eine Vielzahl von Sequenzen und Strukturen umfassen) und deren Abbauraten an jeder Position enthielt.
September 2020
Bei diesem Wettbewerb ging es um die Erkennung landschaftlicher Wahrzeichen. Das Team musste Modelle erstellen, die das richtige Wahrzeichen (falls vorhanden) in einem Datensatz komplizierter Testbilder erkannten. Dies ist leichter gesagt als getan, da die Erkennung landschaftlicher Wahrzeichen eine viel größere Anzahl von Klassen enthält. Bei diesem Wettbewerb gab es z. B. mehr als 81.000 Klassen.
August 2020
In diesem Wettbewerb musste das Team ML-Modelle erstellen, um Hautläsionen in Patientenbildern zu identifizieren und zu bestimmen, welche Bilder am wahrscheinlichsten ein Melanom darstellen. Das ML-Gewinnermodell war in der Lage, Melanome früher und genauer zu identifizieren als der durchschnittliche Dermatologe.
Die Grandmaster-Serie ist eine monatliche Reihe von Schulungsvideos für Datenwissenschaftler. In jeder Episode präsentieren einige der weltweit führenden Datenwissenschaftler ihre Erkenntnisse, Best Practices und wichtigsten Erfahrungen aus einem kürzlich durchgeführten Wettbewerb. Schauen Sie sich die Episoden an und erfahren Sie, wie Sie ihre Erkenntnisse auf Ihre eigenen datenwissenschaftlichen Herausforderungen anwenden können.