比赛推送:图像/表格/CV/NLP,多线程开启!

简介: 比赛推送:图像/表格/CV/NLP,多线程开启!
  • H&M Personalized Fashion Recommendations


比赛任务:根据之前的购买行为提供产品推荐

比赛链接:https://www.kaggle.com/c/h-and-m-personalized-fashion-recommendations


  • Happywhale - Whale and Dolphin Identification


比赛任务:根据特征识别鲸鱼和海豚

比赛链接:https://www.kaggle.com/c/happy-whale-and-dolphin


  • Ubiquant Market Prediction


比赛任务:根据未来市场数据进行预测

比赛链接:https://www.kaggle.com/c/ubiquant-market-prediction


  • Feedback Prize - Evaluating Student Writing


比赛任务:抽取 6-12 年级学生的写作元素

比赛链接:https://www.kaggle.com/c/feedback-prize-2021


  • TensorFlow - Help Protect the Great Barrier Reef


比赛任务:检测水下图像数据中的荆棘冠海星

比赛链接:https://www.kaggle.com/c/tensorflow-great-barrier-reef


  • NBME - Score Clinical Patient Notes


比赛任务:从医学执照考试中识别患者笔记中的关键短语

比赛链接:https://www.kaggle.com/c/nbme-score-clinical-patient-notes


  • 能源大数据子赛道——虚拟货币“挖矿”行为识别


比赛任务:给定某区域企业近两年节假日用电量、月用电量等特征数据,要求根据样本所提供数据构建相关算法模型,在样本用户中识别筛选出疑似虚拟货币“挖矿”行为用户。

比赛链接:https://www.dcic-china.com/competitions/10025


  • 能源大数据子赛道——污染源超限排放研判


比赛任务:给定某样本区域内用户近一年日能耗数据、峰谷特性等特征数据,要求通过对能耗数据进行深度挖掘,构建相关算法模型,在样本中识别筛选出超限排放行为用户,实现用能行为智能化的问题诊断,并从能源专业角度分析得出科学的结论,为决策、监管提供支持。

比赛链接:https://www.dcic-china.com/competitions/10024


  • 卫星应用赛题——海上船舶智能检测


比赛任务:快速精准的检测出船舶的垂直边框是船舶智能检测的基本需求

比赛链接:https://www.dcic-china.com/competitions/10022


  • 智慧农业赛题——牛只图像分割竞赛


比赛任务:本赛题以牛只实例分割图像数据作为训练样本,参赛选手需基于训练样本构建模型,对提供的测试集中的牛只图像进行实例分割检测。

比赛链接:https://www.dcic-china.com/competitions/10021


  • 科技金融子赛道——基于文本字符的交易验证码识别


比赛任务:本次大赛以已标记字符信息的实例字符验证码图像数据为训练样本,参赛选手需基于提供的样本构建模型,对测试集中的字符验证码图像进行识别,提取有效的字符信息。训练数据集不局限于提供的数据,可以加入公开的数据集。

比赛链接:https://www.dcic-china.com/competitions/10023


  • 数字医疗赛道——精确识别人体细胞类型的新算法开发


比赛任务:在本任务中,我们关注细胞类型的层次分类问题,即用scRNA-seq数据预测每个细胞在uHAF树每层上所属的细胞类型。初赛阶段仅涉及一般分类问题,即只需预测细胞在uHAF树第一层的细胞类型;复赛阶段则需要预测细胞在uHAF树全部四层上的细胞类型。

比赛链接:https://www.dcic-china.com/competitions/10029



相关文章
|
9月前
|
机器学习/深度学习 人工智能 缓存
TextBrewer:融合并改进了NLP和CV中的多种知识蒸馏技术、提供便捷快速的知识蒸馏框架、提升模型的推理速度,减少内存占用
TextBrewer:融合并改进了NLP和CV中的多种知识蒸馏技术、提供便捷快速的知识蒸馏框架、提升模型的推理速度,减少内存占用
TextBrewer:融合并改进了NLP和CV中的多种知识蒸馏技术、提供便捷快速的知识蒸馏框架、提升模型的推理速度,减少内存占用
|
12月前
|
自然语言处理 数据可视化 计算机视觉
全领域涨点 | Transformer携Evolving Attention在CV与NLP领域全面涨点(文末送书)(二)
全领域涨点 | Transformer携Evolving Attention在CV与NLP领域全面涨点(文末送书)(二)
73 0
|
12月前
|
机器学习/深度学习 自然语言处理 计算机视觉
全领域涨点 | Transformer携Evolving Attention在CV与NLP领域全面涨点(文末送书)(一)
全领域涨点 | Transformer携Evolving Attention在CV与NLP领域全面涨点(文末送书)(一)
114 1
|
12月前
|
机器学习/深度学习 自然语言处理 数据可视化
泛化神器 | 李沐老师新作进一步提升模型在多域多的泛化性,CV和NLP均有大幅度提升(文末获取论文)
泛化神器 | 李沐老师新作进一步提升模型在多域多的泛化性,CV和NLP均有大幅度提升(文末获取论文)
172 0
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
细数NLP与CV的融合创新:盘点多模态深度学习这几年
细数NLP与CV的融合创新:盘点多模态深度学习这几年
211 0
|
12月前
|
机器学习/深度学习 存储 人工智能
CV之后,纯MLP架构又来搞NLP了,性能媲美预训练大模型
CV之后,纯MLP架构又来搞NLP了,性能媲美预训练大模型
138 0
|
自然语言处理 计算机视觉
使用cv和nlp完成图像的读取缩放旋转等……
使用cv和nlp完成图像的读取缩放旋转等……
79 0
使用cv和nlp完成图像的读取缩放旋转等……
|
机器学习/深度学习 自然语言处理 运维
数据漂移检测(二):NLP 和 CV 中的非结构化数据(Arthur)
注意:这是我们深入探讨数据漂移检测问题的系列文章的第二部分。 如果您还不熟悉数据漂移检测,请查看我们在表格数据的上下文中讨论数据漂移的第一部分!
|
机器学习/深度学习 人工智能 自然语言处理
横扫NLP 脚踏CV界的Transformer到底是什么? 为什么Work?深入浅出零基础通俗理解Transformer及其代码实现
Transformer 模型在近几年来横扫 NLP 领域并获得大量好评,在分类、检测等任务上展现了极其强劲的性能。另一方面其在计算机视觉领域也带来了革命性提升,而且骨干网络上的发展也推动了下游任务的发展,可以说Transformer已经引起了学术界的广泛关注,有越来越多的研究人员投入其中。 Transformer是谷歌在2017年发表的论文Attention Is All You Need中提出的一种seq2seq模型,首先是在自然语言处理方面应用。
横扫NLP 脚踏CV界的Transformer到底是什么? 为什么Work?深入浅出零基础通俗理解Transformer及其代码实现
|
存储 自然语言处理 UED
[NLP比赛推荐]商品标题实体识别
[NLP比赛推荐]商品标题实体识别
390 0
[NLP比赛推荐]商品标题实体识别