Científico de Datos Sénior en NVIDIA
Conoce a los Grandes Maestros de Kaggle de NVIDIA (KGMoN) y aprende cómo usan la ciencia de datos acelerada por NVIDIA para construir sistemas de recomendación ganadores, predecir tasas de degradación en moléculas de ARN, identificar cúmulos en la generación de imágenes médicas y más.
Científico de Datos Sénior en NVIDIA
Científico de Datos Sénior en NVIDIA
Científico de Datos en NVIDIA
Ingeniero Principal de Software de Sistemas en NVIDIA
Científico de Datos en NVIDIA
Ingeniero Distinguido de NVIDIA
Científico de Datos Sénior en NVIDIA
Científico de Datos Sénior en NVIDIA
Marzo y Mayo de 2022
En dos competencias diferentes, el equipo utilizó el procesamiento de idiomas naturales para analizar elementos de escritura argumentativos de los estudiantes e identificó frases clave en los diagnósticos de los exámenes de licencia médica.
Junio de 2021
El equipo de NVIDIA Merlin y KGMON obtuvo el primer lugar en el evento RecSys Challenge 2021 al predecir eficazmente la probabilidad de participación del usuario en un entorno dinámico y proporcionar recomendaciones justas sobre un conjunto de datos de millones de puntos.
Marzo de 2021
En este desafío de sistemas de recomendación, el objetivo era utilizar un conjunto de datos basado en millones de reservas de alojamiento anonimizadas reales para diseñar una estrategia que lograra la mejor recomendación para su próximo destino, todo en tiempo real.
Marzo de 2021
Mira este video para obtener una breve lección de historia y el estado actual del procesamiento de idiomas naturales, y las mejores prácticas para usar transformers de Hugging Face en cuatro competencias diferentes.
Octubre de 2020
En esta competencia, los equipos fueron encargados de desarrollar modelos de machine learning y de diseñar reglas para la degradación del ARN. Los modelos necesitaban predecir las tasas de degradación probables en cada base de una molécula de ARN, entrenados en un subconjunto de datos Eterna que comprende más de 3000 moléculas de ARN (que abarcan una colección de secuencias y estructuras), y sus tasas de degradación en cada posición.
Septiembre de 2020
En este desafío de reconocimiento de lugares de referencia, el equipo tuvo que construir modelos que reconozcan la ubicación correcta (si hay alguna) en un conjunto de datos de imágenes de prueba complicadas. Es más fácil decirlo que hacerlo, dado que el reconocimiento de lugares de referencia contiene una cantidad mucho mayor de clases. Por ejemplo, habían más de 81,000 clases en esta competencia.
Agosto 2020
En esta competencia, el equipo tuvo que crear modelos de ML para identificar lesiones en la piel a partir de las imágenes de los pacientes y determinar qué imágenes son más probables que representen un melanoma. El modelo de ML ganador fue capaz de identificar melanoma más temprano y con mayor precisión que el dermatólogo promedio.
La Serie Grandes Maestros es una serie de videos educativos mensuales para científicos de datos. En cada episodio, algunos de los principales expertos mundiales en ciencia de datos comparten sus conocimientos, mejores prácticas y aprendizajes clave de una competencia reciente. No te lo pierdas y aprende a aplicar sus aprendizajes a tus propios desafíos de ciencia de datos.