【干货Tips】最全的机器学习竞赛平台网址及赛事汇总~
**©首发于机器学习竞赛小喇叭(ID:**ML_xiaolaba)
写在前面:
想从事算法类岗位却又缺少实际项目经验?参与机器学习的竞赛是一个不错的选择。在高质量的比赛中,拿到top名次可以让你的简历眼前一亮,说不定还能直通拿到offer~
本tips中,小编将会整理所有常用的主流竞赛平台,**各大厂的年度机器学习竞赛,以及“你从未体验过的神奇的机器学习平台”。**排序方式为小编心目中各大平台/竞赛的重要性。(更新时间:2019/1/19)。
1、最推荐的两个主流平台——Kaggle和天池
不管你是萌新还是老手,参加Kaggle和天池平台的比赛总是不错的选择。二者分别是国外和国内最大的机器学习竞赛平台,赛事多,选手多,奖金高,含金量相对充足。
对于新手来说,Kaggle的优势在于开源分享的氛围,每个比赛在讨论区都有大量的针对此比赛的分享,包括Baseline,EDA,Data leakeage等。有些Baseline甚至可以直接进入赛事的Top1%。学习大佬的思路和代码能够少走很多弯路,从而可以飞速地进步。Kaggle唯一的缺点就在于全英文,对于国内的同学来说,理解起来可能有些吃力。
天池是阿里巴巴旗下的机器学习平台,目前是国内最大的机器学习类竞赛网站。和Kaggle相比,开源分享的氛围不是很强。但近期,天池推出了很多针对初学者的入门教程和视频,包括算法讲解和竞赛套路讲解。从天池入门算法竞赛也不失为一个好的选择。
通常来说,这两个平台的参赛队伍数众多,拿Top较难。但正因为大神聚集,所以可以从开源代码里学到很多。
Kaggle:https://www.kaggle.com/
天池:https://tianchi.aliyun.com/home/
2、大厂竞赛
除了平台赛之外,BATJ等大厂都会定期举办数据/机器学习的旗舰赛事,通常一年一度,奖金非常非常丰厚。如果能够进入Top,更可以直接拿到大厂相关岗位的offer,是非常值得大家关注的系列赛事。但这些赛事都在各自的网站上发布,而且经常会变化,一不小心可能就错过了报名时间(我会告诉你关注本小喇叭就不会错过了吗(✺ω✺))。
阿里ijcai赛:天池平台
腾讯赛地址:http://tpai.qq.com/race
滴滴赛(Di-tech 2017):http://research.xiaojukeji.com
京东JDD:https://jdder.jd.com/
京东JDATA:https://jdata.jd.com/index.html
蚂蚁金服赛:https://dc.cloud.alipay.com/index
百度点石:https://dianshi.baidu.com/competition
3、国内其他主要平台
除天池外,国内还有很多其他数据类竞赛的平台。相对天池,参赛的人数相对较少,但某些赛事的奖金也很高,而且这些比赛同样有主办方offer可以拿。因为参与的队伍较少,所以进入Top的几率较大。
DataCastle竞赛平台:
http://www.pkbigdata.com/
Datafountain竞赛平台:
https://www.datafountain.cn/
Biendata平台:
https://www.biendata.com/
Kesci平台:
https://www.kesci.com/
4、国外其他主要平台
除Kaggle外,国外也有不少相关的机器学习竞赛平台。这些平台各有各的特色,简单介绍两个。
Codalab上多数为学术型的竞赛平台,包括一些学术会议的附赛。第四范式的AutoML赛就在此平台上举办,去年竞赛top3就能免费去NIPS2018会议现场游玩(斯德哥尔摩)。
Crowdai貌似是微软投资,用来对标谷歌旗下的Kaggle平台。虽然赛事较少,但含金量也很不错。
**Codalab:**https://competitions.codalab.org/competitions/
**Crowdai:**https://www.crowdai.org/
5、其它妖路平台
最近了解到一个神奇的平台叫Numerai,有志于从事量化方向的同学可以重点关注下。简单来说,参与者下载真实的金融数据数据,训练相应的机器学习模型,Numerai会将其整合为最终的交易策略,并投入到真实的市场中。根据这些预测在现实中的表现,Numerai会给予用户相应的报酬,以美元和虚拟货币的形式给出。每个星期,它都会发出总计6000美元的奖励。值得一提的是,在传统的机器学习竞赛中,大多数情况下只有前三名的选手才能获得奖金。而在Numerai中,只要符合一定的标准,就有希望获得或多或少的奖金。
Numerai平台: https://numer.ai/homepage
如果大家有了解文中没有提到的平台/竞赛/妖路平台,欢迎大家私信小编进行补充,大家互相分享,共同进步ヾ(◍°∇°◍)ノ゙。
【干货Tips】最全的机器学习竞赛平台网址及赛事汇总~相关推荐
- xgboost算法_陈天奇做的XGBoost为什么能横扫机器学习竞赛平台?
[新智元导读]XGBoost号称"比赛夺冠的必备大杀器",横扫机器学习竞赛罕逢敌手,堪称机器学习算法中的新女王! 在涉及非结构化数据(图像.文本等)的预测问题中,人工神经网络显著优 ...
- 【机器学习】机器学习、深度学习竞赛平台推荐2022(持续更新)
ML竞赛平台推荐 一.前言 二.国内外最主流平台 1. Kaggle 2. 天池 三.国内其他主要平台 四.国外其他主要平台 五.大/中厂竞赛 六.其他平台 1. Numerai平台 一.前言 如果你 ...
- kaggle账号_机器学习竞赛入门--kaggle篇
机器学习竞赛越来越热门,了解各大平台的就显得至关重要,这篇文章就带大家了解全球最为著名的机器学习竞赛平台--kaggle https://www.kaggle.com/ 本篇文章分为以下几个部分 1. ...
- 读研打比赛领奖金免费旅游,国内算法竞赛平台了解一下
想要将自己在<数学统计方法>.<机器学习实战>.<西瓜书>,<花书>手撕了多遍的理论付诸于实战:想要和来自全球各地的算法大佬学习.交流.同台竞技:想要为 ...
- 数据(机器学习/深度学习)竞赛平台——Kaggle
这篇文章适合那些刚接触Kaggle.想尽快熟悉Kaggle并且了解项目情况的朋友.本文分为两部分介绍Kaggle,Part One简单介绍Kaggle,Part Two将简单介绍正规的竞赛的项目,大家 ...
- 流行于机器学习竞赛的Boosting,这篇文章讲的非常全了
作者 | AISHWARYA SINGH 译者 | 武明利,责编 | Carol 出品 | AI科技大本营(ID:rgznai100) 你能说出至少两种机器学习中的 Boosting 吗? Boost ...
- 超50万行代码、GitHub 4200星:腾讯重磅发布全栈机器学习平台Angel 3.0
来源:新智元编辑部 [新智元导读]腾讯首个AI开源项目Angel,正式发布一个里程碑式的版本:Angel 3.0.这是一个全栈的机器学习平台,功能特性涵盖了机器学习的各个阶段,超过50万行代码,在 G ...
- 腾讯重磅发布全栈机器学习平台Angel 3.0
腾讯首个AI开源项目Angel,正式发布一个里程碑式的版本:Angel 3.0.这是一个全栈的机器学习平台,功能特性涵盖了机器学习的各个阶段,超过50万行代码,在 GitHub 上 Star 数已超过 ...
- 【转载】数据(机器学习/深度学习)竞赛平台——Kaggle 置顶
这篇文章适合那些刚接触Kaggle.想尽快熟悉Kaggle并且了解项目情况的朋友.本文分为两部分介绍Kaggle,Part One简单介绍Kaggle,Part Two将简单介绍正规的竞赛的项目,大家 ...
最新文章
- 在 Ubuntu Natty 中解除系统托盘限制
- 如何利用 nbconvert将 IPYNB文档转换 Markdown文档?
- 怎样解决MySQL数据库主从复制延迟的问题
- SqlServer操作远程数据库
- ASP.Net MVC的学习
- PaddlePaddle飞浆开启人工智能新时代
- kdevelp 导入makefile工程
- SAP Spartacus 支持 Vue 吗?
- thinkphp python_ThinkPhp 5.0 服务器搭建问题总结
- ADAS(3) 各功能模块及解决方案提供商详解
- ecology9 后端开发环境搭建_利用Vagrant快速搭建开发环境
- 【mysql】显式加锁
- python屏幕文字识别_python中使用OCR 技术进行《文字识别》
- Python3爬取影片入库
- 【运维】PowerShell编程 目录文件相关方法的封装与案例详解
- 3.5 tensorflow2实现样本分布K-S检验 ——python实战
- Win32 API 列表5 (格式有点乱)
- Bellman_Ford模版
- Git删除本地多个分支
- unity3D之简单的碰撞检测 .