2021 DIGIX全球校园AI算法精英大赛

简介: 2021 DIGIX全球校园AI算法精英大赛

1.png


2021 DIGIX全球校园AI算法精英大赛官网: https://developer.huawei.com/consumer/cn/activity/devStarAI/algo/


基于多目标多视图的用户留存周期预测


2.png


活跃留存周期预测通常使用单一视图做预测。在音乐领域,结合用户关注的音乐话题信息进行表征学习、结合歌曲信息进行音频、歌词、歌曲名、评论文本的多模态表征、结合歌手、用户、歌曲构建知识图谱,基于用户在APP侧信息构造行为链路向量化,辅助多日留存的多目标优化。在业界探索下一代机器学习模型与多模态向量化中有非常深远的价值。

1.奖金

$ 61,000

  1. 开始时间
    2021-06-10
  2. 举办方: 江苏省人工智能学会(JSAI)、华为终端云服务、华为南京研究所


基于多模型迁移预训练文章质量判别


https://developer.huawei.com/consumer/cn/activity/devStarAI/algo/competition.html#/preliminary/info/005/introduction

文章质量判别是信息流领域的核心问题,提升文章质量判别的准确率是提升信息流质量和精准推送的核心技术点。在本次大赛中,主办方提供匿名化的文章质量数据,参赛选手基于给定的数据构建文章质量判别模型。希望通过本次大赛挖掘nlp算法领域的人才,推动 nlp算法的发展。

  1. 奖金
    $ 61,000
  2. 开始时间
    2021-06-10
  3. 举办方: 江苏省人工智能学会(JSAI)、华为终端云服务、华为南京研究所


基于多目标优化的视频推荐


https://developer.huawei.com/consumer/cn/activity/devStarAI/algo/competition.html#/preliminary/info/006/introduction

推荐系统大多都是基于隐式反馈来做推荐,比如用户的点击、观看时长、评论、分享等,且不同隐式反馈表达了用户不同的喜好程度。如果仅仅以单目标对推荐结果进行衡量,会存在衡量不全面的问题。如视频场景,假设某个用户打开一个视频看了开头觉得不喜欢立马关掉,如果以点击为目标则体现的是用户感兴趣,但实际情况是用户对这个视频不感兴趣。从这个例子可以看出,在视频推荐中如果仅仅以点击为目标,可能忽视了用户更深层次的隐式反馈。因此,视频推荐除了关注用户点击,还需关注用户观看时长、分享等目标,期望通过多目标能更深入地挖掘用户兴趣,做更精准的推荐。

  1. 奖金
    $ 61,000
  2. 开始时间
    2021-06-10
  3. 举办方: 江苏省人工智能学会(JSAI)、华为终端云服务、华为南京研究所


基于多模态多语言的搜索排序


https://developer.huawei.com/consumer/cn/activity/devStarAI/algo/competition.html#/preliminary/info/007/introduction

搜索,是用户获取信息,找答案最方便快捷的方式。一次用户搜索会经历 Query 解析、召回、排序多个环节,排序作为最后整个过程一环,对用户的体验有最直接的影响。在多语言、多模态的场景下如何充分利用信息、更好的优化用户体验,是业界普遍在探索的难题,也是机器学习算法的明珠。

  1. 奖金
    $ 61,000
  2. 开始时间
    2021-06-10
  3. 举办方: 江苏省人工智能学会(JSAI)、华为终端云服务、华为南京研究所


小样本菜单识别


https://developer.huawei.com/consumer/cn/activity/devStarAI/algo/competition.html#/preliminary/info/008/introduction

图像文本识别在日常生活中有广泛的应用。在不同应用场景下,图像文本识别存在不同挑战。在菜单文字识别任务中,利用少量样本学习模型,同时解决多语言、艺术字等复杂场景下的问题,是提高识别准确率,提升用户体验的关键。希望通过本次比赛,挖掘计算机视觉方向人才,推动该领域发展。

  1. 奖金
    $ 61,000
  2. 开始时间
    2021-06-10
  3. 举办方: 江苏省人工智能学会(JSAI)、华为终端云服务、华为南京研究所
相关文章
|
2月前
|
传感器 人工智能 监控
智慧工地 AI 算法方案
智慧工地AI算法方案通过集成多种AI算法,实现对工地现场的全方位安全监控、精准质量检测和智能进度管理。该方案涵盖平台层、展现层与应用层、基础层,利用AI技术提升工地管理的效率和安全性,减少人工巡检成本,提高施工质量和进度管理的准确性。方案具备算法精准高效、系统集成度高、可扩展性强和成本效益显著等优势,适用于人员安全管理、施工质量监控和施工进度管理等多个场景。
|
3天前
|
机器学习/深度学习 人工智能 算法
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
Enhance-A-Video 是由上海人工智能实验室、新加坡国立大学和德克萨斯大学奥斯汀分校联合推出的视频生成质量增强算法,能够显著提升视频的对比度、清晰度和细节真实性。
24 8
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
|
25天前
|
机器学习/深度学习 缓存 人工智能
【AI系统】QNNPack 算法
QNNPACK是Marat Dukhan开发的量化神经网络计算加速库,专为移动端优化,性能卓越。本文介绍QNNPACK的实现,包括间接卷积算法、内存重排和间接缓冲区等关键技术,有效解决了传统Im2Col+GEMM方法存在的空间消耗大、缓存效率低等问题,显著提升了量化神经网络的计算效率。
35 6
【AI系统】QNNPack 算法
|
25天前
|
存储 人工智能 缓存
【AI系统】Im2Col 算法
Caffe 作为早期的 AI 框架,采用 Im2Col 方法优化卷积计算。Im2Col 将卷积操作转换为矩阵乘法,通过将输入数据重排为连续内存中的矩阵,减少内存访问次数,提高计算效率。该方法首先将输入图像转换为矩阵,然后利用 GEMM 库加速计算,最后将结果转换回原格式。这种方式显著提升了卷积计算的速度,尤其适用于通道数较多的卷积层。
49 5
【AI系统】Im2Col 算法
|
25天前
|
存储 机器学习/深度学习 人工智能
【AI系统】Winograd 算法
本文详细介绍Winograd优化算法,该算法通过增加加法操作来减少乘法操作,从而加速卷积计算。文章首先回顾Im2Col技术和空间组合优化,然后深入讲解Winograd算法原理及其在一维和二维卷积中的应用,最后讨论算法的局限性和实现步骤。Winograd算法在特定卷积参数下表现优异,但其应用范围受限。
33 2
【AI系统】Winograd 算法
|
14天前
|
人工智能 算法
AI+脱口秀,笑点能靠算法创造吗
脱口秀是一种通过幽默诙谐的语言、夸张的表情与动作引发观众笑声的表演艺术。每位演员独具风格,内容涵盖个人情感、家庭琐事及社会热点。尽管我尝试用AI生成脱口秀段子,但AI缺乏真实的情感共鸣和即兴创作能力,生成的内容显得不够自然生动,难以触及人心深处的笑点。例如,AI生成的段子虽然流畅,却少了那份不期而遇的惊喜和激情,无法真正打动观众。 简介:脱口秀是通过幽默语言和夸张表演引发笑声的艺术形式,AI生成的段子虽流畅但缺乏情感共鸣和即兴创作力,难以达到真人表演的效果。
|
29天前
|
存储 人工智能 缓存
【AI系统】布局转换原理与算法
数据布局转换技术通过优化内存中数据的排布,提升程序执行效率,特别是对于缓存性能的影响显著。本文介绍了数据在内存中的排布方式,包括内存对齐、大小端存储等概念,并详细探讨了张量数据在内存中的排布,如行优先与列优先排布,以及在深度学习中常见的NCHW与NHWC两种数据布局方式。这些布局方式的选择直接影响到程序的性能,尤其是在GPU和CPU上的表现。此外,还讨论了连续与非连续张量的概念及其对性能的影响。
49 3
|
29天前
|
机器学习/深度学习 人工智能 算法
【AI系统】内存分配算法
本文探讨了AI编译器前端优化中的内存分配问题,涵盖模型与硬件内存的发展、内存划分及其优化算法。文章首先分析了神经网络模型对NPU内存需求的增长趋势,随后详细介绍了静态与动态内存的概念及其实现方式,最后重点讨论了几种节省内存的算法,如空间换内存、计算换内存、模型压缩和内存复用等,旨在提高内存使用效率,减少碎片化,提升模型训练和推理的性能。
51 1
|
2月前
|
人工智能 供应链 新能源
推动AI与基础科学融合,第二届世界科学智能大赛圆满收官
推动AI与基础科学融合,第二届世界科学智能大赛圆满收官
42 5
|
机器学习/深度学习 人工智能 算法