最近kaggle新赛不少,整理了几场比较热门的推荐给大家,有想法的抓紧了!
另外,为了方便你们学习大神们的top方案,我也整理了部分经典案例和大家分享,主要有CV、NLP、多模态、时序数据四个方向。
计算机视觉(CV)竞赛(10场)
2023新赛
Image Matching Challenge 2023(kaggle-2023图像匹配大赛) |
---|
📅2023.4.11-2023.6.12 |
👤 78+支队伍 · 💰 : 50000 |
方向:CV-三维重建 |
网址:https://www.kaggle.com/competitions/image-matching-challenge-2023 |
介绍:参赛者在帮助建立准确的3D模型方面的工作可能会应用于摄影、文化遗产保护和谷歌的许多服务。 |
Vesuvius Challenge – Ink Detection(kaggle-图书墨水检测大赛) |
---|
📅2023.3.15-2023.6.14 |
👤 579+支队伍 · 💰 :1,000,000 |
方向:CV-语义分割 |
网址:https://www.kaggle.com/competitions/vesuvius-challenge-ink-detection |
介绍:在本次比赛中,参赛者的任务是检测3D X射线扫描中的墨水并读取内容。 |
Google – Isolated Sign Language Recognition(kaggle-Google手语识别大赛) |
---|
📅2023.2.23-2023.5.1 |
👤 1080+支队伍 · 💰 :100,000 |
方向:CV-图像分类 |
网址:https://www.kaggle.com/competitions/asl-signs |
介绍:本次比赛的目的是对孤立的美国手语 (ASL) 标志进行分类。参赛者将创建一个 TensorFlow Lite 模型,该模型使用使用 MediaPipe 整体解决方案提取的标记数据进行训练。 |
经典往期赛
UW-Madison GI Tract Image Segmentation(UW-Madison 肠胃道图像分割大赛) |
---|
方向:CV-图像分割-医疗 |
网址:https://www.kaggle.com/competitions/uw-madison-gi-tract-image-segmentation |
介绍:在本次竞赛中,参赛者将创建一个模型,以便在 MRI 扫描中自动分割胃和肠,基于这些扫描的数据集来制定算法,以提出创造性的深度学习解决方案,帮助癌症患者获得更好的护理。 |
Top解决方案:https://www.kaggle.com/competitions/uw-madison-gi-tract-image-segmentation/discussion/337217 |
往期赛 |
Global Wheat Detection(全球小麦检测大赛) |
---|
方向:CV-目标检测-农业 |
网址:https://www.kaggle.com/c/global-wheat-detection |
介绍:参赛者将从小麦植物的户外图像中检测小麦穗,包括来自全球各地的小麦数据集,利用世界范围内的数据,以估计小麦穗的数量和大小。 |
Top解决方案:https://www.kaggle.com/competitions/global-wheat-detection/discussion/172418 |
往期赛 |
HuBMAP – Hacking the Kidney(入侵肾脏大赛) |
---|
方向:CV-图像分割-医疗 |
网址:https://www.kaggle.com/competitions/hubmap-kidney-segmentation |
介绍:本次竞赛的目标是实施成功且强大的肾小球FTU检测器。参赛者面临的挑战是检测不同组织制备管道中的功能性组织单位(FTU) |
Top解决方案:https://www.kaggle.com/c/hubmap-kidney-segmentation/discussion/238198 |
往期赛 |
Cassava Leaf Disease Classification(木薯叶病分类大赛) |
---|
方向:CV-图像分类-农业 |
网址:https://www.kaggle.com/competitions/cassava-leaf-disease-classification |
介绍:参赛者的任务是将每个木薯图像分为四个疾病类别或第五个类别,表明健康的叶子。农民借此能够快速识别患病植物,在作物造成无法弥补的损害之前挽救它们。 |
Top解决方案:https://www.kaggle.com/competitions/cassava-leaf-disease-classification/discussion/221957 |
往期赛 |
Bristol-Myers Squibb – Molecular Translation(分子翻译大赛) |
---|
方向:CV-图像预测-医疗 |
网址:https://www.kaggle.com/competitions/bms-molecular-translation |
介绍:在本次比赛中,参赛者将解释旧的化学图像。通过访问百时美施贵宝生成的大量合成图像数据,将图像转换回注释为 InChI 文本的基础化学结构 |
Top解决方案:https://www.kaggle.com/c/bms-molecular-translation/discussion/243932 |
往期赛 |
SETI Breakthrough Listen – E.T. Signal Search(搜索外星人信号大赛) |
---|
方向:CV-图像分类-天文 |
网址:https://www.kaggle.com/competitions/seti-breakthrough-listen |
介绍:在本次竞赛中,参赛者使用自己的数据科学技能来帮助识别突破性聆听目标扫描中的异常信号。 |
Top解决方案:https://www.kaggle.com/competitions/seti-breakthrough-listen/discussion/266385 |
往期赛 |
TensorFlow – Help Protect the Great Barrier Reef(tensorflow海星目标检测大赛) |
---|
方向:CV-目标检测-环保 |
网址:https://www.kaggle.com/competitions/tensorflow-great-barrier-reef |
介绍:本次比赛的目标是通过构建在珊瑚礁水下视频上训练的物体检测模型,实时准确地识别海星。此项工作将帮助研究人员识别威胁澳大利亚大堡礁的物种,并采取明智的行动为子孙后代保护珊瑚礁。 |
Top解决方案:https://www.kaggle.com/c/tensorflow-great-barrier-reef/discussion/307878 |
往期赛 |
自然语言处理(NLP)竞赛(4场)
2023新赛
BirdCLEF 2023(kaggle-鸟类叫声识别 ) |
---|
📅2023.3.7-2023.5.24 |
👤 831+支队伍 · 💰 : 50,000 |
方向:NLP-语音识别的多标签多分类任务 |
网址:https://www.kaggle.com/competitions/birdclef-2023 |
介绍:在这次比赛中,参赛者将使用先进的机器学习技能,通过声音识别东非鸟类物种。通过算法以处理连续的音频数据,并通过其呼叫来识别物种。 |
经典往期赛
CommonLit Readability Prize(文本复杂性识别大赛) |
---|
方向:NLP-文本分类-教育 |
网址:https://www.kaggle.com/c/commonlitreadabilityprize |
介绍:在本次竞赛中,参赛者将构建算法来评估 3-12 年级课堂使用的阅读段落的复杂性 |
Top解决方案:https://www.kaggle.com/competitions/commonlitreadabilityprize/discussion/257844 |
往期赛 |
NBME – Score Clinical Patient Notes(临床患者病例评分大赛) |
---|
方向:NLP-Token分类-医疗 |
网址:https://www.kaggle.com/competitions/nbme-score-clinical-patient-notes |
介绍:在本次竞赛中,参赛者将在患者笔记中确定特定的临床概念。具体来说,参赛者将开发一种自动化方法,将临床概念从考试量规(例如,“食欲减退”)映射到这些概念在医学生撰写的临床患者笔记中表达的各种方式 |
Top解决方案:https://www.kaggle.com/competitions/nbme-score-clinical-patient-notes/discussion/323095 |
往期赛 |
U.S. Patent Phrase to Phrase Matching(美国专利短语相似度大赛) |
---|
方向:NLP-文本相似度-教育 |
网址:https://www.kaggle.com/competitions/us-patent-phrase-to-phrase-matching |
介绍:在本次竞赛中,参赛者将在新颖的语义相似性数据集上训练模型,通过匹配专利文献中的关键短语来提取相关信息。 |
Top解决方案:https://www.kaggle.com/competitions/us-patent-phrase-to-phrase-matching/discussion/332243 |
往期赛 |
多模态竞赛(4场)
2023新赛
Stable Diffusion – Image to Prompts(Stable Diffusion大赛) |
---|
📅2023.2.13-2023.5.15 |
👤 1034+支队伍 · 💰 : 50,000 |
方向:多模态、数据挖掘、时序预测 |
网址:https://www.kaggle.com/competitions/stable-diffusion-image-to-prompts |
介绍:比赛的目标是扭转生成文本到图像模型的典型方向:不是从文本提示生成图像,而是可以创建一个模型来预测给定生成图像的文本提示。参赛选手需要对包含由 Stable Diffusion 2.0 生成的各种(提示、图像)对的数据集进行预测,以了解潜在关系的可逆性。 |
Predict Student Performance from Game Play(kaggle-学生表现预测大赛) |
---|
📅2023.2.6-2023.6.14 |
👤 1454+支队伍 · 💰 : 55,000 |
方向:ML+ NLP 多模态任务 |
网址:https://www.kaggle.com/competitions/predict-student-performance-from-game-play |
介绍:比赛的目标是实时预测学生在游戏中的学习表现。我们将基于大量的游戏log来预测学生们对知识的掌握程度。 |
经典往期赛
Shopee – Price Match Guarantee(Shopee商品匹配大赛) |
---|
方向:多模态-电商 |
网址:https://www.kaggle.com/competitions/shopee-product-matching |
介绍:在本次竞赛中,参赛者将应用机器学习技能来构建一个模型,以预测哪些商品是相同的产品。 |
Top解决方案:https://www.kaggle.com/c/shopee-product-matching/discussion/238136 |
往期赛 |
PetFinder.my – Pawpularity Contest(宠物预测大赛) |
---|
方向:多模态-动保 |
网址:https://www.kaggle.com/competitions/petfinder-pawpularity-score |
介绍:在这场比赛中,参赛者将分析原始图像和元数据来预测宠物照的“Pawpularity”,在PetFinder数据上训练和测试模型。 |
Top解决方案:https://www.kaggle.com/competitions/petfinder-pawpularity-score/discussion/300938 |
往期赛 |
时序数据竞赛(5场)
2023新赛
CAFA 5 Protein Function Prediction(蛋白功能预测大赛) |
---|
📅2023.4.18-2023.8.21 |
👤 111+支队伍 · 💰 : 50,000 |
方向:ML、时序预测 |
网址:https://www.kaggle.com/competitions/cafa-5-protein-function-prediction |
介绍:该竞赛的目标是预测一组蛋白质的功能。参赛者将开发一个针对蛋白质的氨基酸序列和其他数据进行训练的模型。 |
经典往期赛
M5 Forecasting – Accuracy(M5-时间序列预测大赛) |
---|
方向:时间序列预测-零售 |
网址:https://www.kaggle.com/competitions/m5-forecasting-accuracy |
介绍:在本次竞赛(第五次迭代)中,参赛者将使用全球收入最大的公司沃尔玛的分层销售数据来预测未来 28 天的每日销售额。 |
Top解决方案:https://www.kaggle.com/competitions/m5-forecasting-accuracy/discussion/163684 |
往期赛 |
Riiid Answer Correctness Prediction(回答准确性预测大赛) |
---|
方向:时间序列预测-教育 |
网址:https://www.kaggle.com/competitions/riiid-test-answer-prediction |
介绍:在本次竞赛中,参赛者的挑战是为“知识追踪”创建算法,即随着时间的推移对学生知识进行建模。目标是准确预测学生在未来互动中的表现。 |
Top解决方案:https://www.kaggle.com/competitions/riiid-test-answer-prediction/discussion/218318 |
往期赛 |
Jane Street Market Prediction(简街市场预测大赛) |
---|
方向:时间序列预测-金融 |
网址:https://www.kaggle.com/competitions/jane-street-market-prediction |
介绍:参赛者将使用历史数据、数学工具和技术工具来创建一个尽可能接近确定性的模型。 |
Top解决方案:https://www.kaggle.com/competitions/jane-street-market-prediction/discussion/224348 |
往期赛 |
Optiver Realized Volatility Prediction(股票市场波动率预测大赛) |
---|
方向:时间序列预测-金融 |
网址:https://www.kaggle.com/competitions/optiver-realized-volatility-prediction |
介绍:参赛者将构建模型来预测不同行业数百只股票的短期波动,可以使用数亿行高度精细的财务数据设计模型,预测 10 分钟内的波动率。 |
Top解决方案:https://www.kaggle.com/competitions/optiver-realized-volatility-prediction/discussion/274970 |
往期赛 |
懒得点链接的同学看这边🚀🚀🚀
关注下方【学姐带你玩AI】
回复“经典”免费获取本文top方案合集
码字不易,欢迎大家点赞评论收藏!
文章出处登录后可见!