当前位置:主页 > 新闻热点 >正文

Kaggle Grandmaster是怎样炼成的

作者: 丈哥 分类: 新闻热点 发布时间: 2019-01-11 16:32

最近,Vladimir 分享了自己成为 Kaggle 高手的经验。目前,Kaggle 注册用户数量已超 100 万,其中只有 124 人拥有 Grandmaster 头衔,如何成为全球排名前千分之一的数据科学家?让我们看看他是怎么说的。

Kaggle Grandmaster是怎样炼成的

我叫 Vladimir,本科毕业并获得理论物理学位后搬到了硅谷,从事数据科学相关的工作。我当前在 Lyft 公司的自动驾驶部门工作,研究与计算机视觉相关的应用。

过去几年来,我花了很多时间参加关于机器学习的比赛。这样做是因为,一方面我觉得它本身很好玩,而另一方面,我觉得这是一种非常高效的数据科学技能提升方法。当然,不是所有的比赛都很容易,我也不是在每场比赛中都能获得好成绩。但时不时地参加这些比赛,让我不断地提高了自己的相关技能,甚至最终获得了 KaggleGrandmaster 的称号。

我要向 @Lasteg 表示感谢,是他提议我参加这期的 AMA(Ask Me Anything session)并在 Reddit、kaggle、science.d3.ru(in Russian)上收集问题。他收集有很多问题,我会尽我所能去回答,但没办法在本篇博客中解决所有问题。如果你的疑问未能在本文获得解答,可以在评论中留言。

以下是我(或我的团队)有幸跻身排行榜前列的一些深度学习挑战:

在 Ultrasound Nerve Segmentation 中获得第十名

在 Dstl Satellite Imagery Feature Detection 中获得第三名

在 Safe passage: Detecting and classifying vehicles in aerial imagery 中获得第二名

在 Kaggle: Planet: Understanding the Amazon from Space 中获得第七名

在 MICCAI 2017: Gastrointestinal Image ANAlysis (GIANA) 中获得第一名

在 MICCAI 2017: Robotic Instrument Segmentation 中获得第一名

在 Kaggle: Carvana Image Masking Challenge 中获得第一名

在 Kaggle: IEEE's Signal Processing Society—Camera Model Identification 中获得第九名

在 CVPR 2018 Deepglobe. Road Extraction. 中获得第二名

在 CVPR 2018 Deepglobe. Building Detection. 中获得第二名

在 CVPR 2018 Deepglobe. Land Cover Classification. 中获得第三名

在 MICCAI 2018: Gastrointestinal Image ANAlysis (GIANA) 中获得第三名

Q:除了数据科学以外,您生活中喜欢做些什么?

A:当然,,我喜欢徒步旅行、攀岩。如果你早上去 Mission Cliffs 攀岩馆,见到我可以打个招呼。

我也喜欢跳舞,特别是 Bules Fusion。旧金山的 Misiion Fusion 和 South Bay Fusion 舞蹈产地是我经常去的。

旅行对我来说很重要。春天的时候我去了白俄罗斯、摩洛哥、约旦。九月,我在芬兰、德国、奥地利呆了三周。当然,2018 Burning Man 是今年最爽的活动。

Q:你如何在工作的同时花很多时间做 kaggle 呢?

Kaggle Grandmaster是怎样炼成的

A:对我来说,虽然没有薪酬,但参加 Kaggle 比赛是我的第二职业。我这么做理由很充足。活跃的 Kaggle 参与者追求领域的改变很常见。我也不例外。当我从学界转向业界时,我开始参加比赛。我需要一个高效的方法来尽快熟悉 ML 需要解决的问题,掌握那些工具,并将思维扩展机器学习的新领域。

后来,当我在 Bidgely 开始我的第一份工作之后,我参与的 Kaggle 赛事更多了。有段时间,我在研究信号处理任务,同时几乎将所有晚上的时间用来处理参加比赛用的表格数据。那段时间我的工作和生活有些失衡,但我获得的知识却是值得的。

再后来,我做好准备换工作以后,加入了 TrueAccord,在那里我做了很多传统的机器学习任务。但我不想停止对 Kaggle 的研究,所以我白天做的是传统机器学习,晚上和周末研究深度学习。也因此,工作和生活更加无法保持平衡。但我学到了很多东西,获得了很好的附加技能,成为了 Kaggle Master。当我加入 Lyft Level 5 时,我知道所有这些努力都没有白费,在这份工作里我将深度学习应用于自动驾驶问题上。

最终,我没有全职做 Kaggle,但我仍在积极地学习。工作中有很多有趣的计算机视觉问题,我正尝试在 Kaggle 没有涉足的领域里获得更多的知识。我仍然时不时地向各种比赛提交参赛作品,但这主要是为了更好地理解其他参赛者正面临的问题和挑战,这样做反过来有助于我从论坛分享的信息中获得很大的收益。

Q:帮助你提高工作效率的日常惯例是什么?你如何安排一天的行程?

A:首先,我不太确定自己是否高效,因为我总是在寻找新的办法优化工作方式。

需要解决的问题和需要参与的活动总是很多,但不是所有的都有用又好玩。所以我做什么事情都要优先考虑。有两本书对这个话题进行了精彩的讨论:《So Good They Can't Ignore You: Why Skills Trump Passion in the Quest for Work You Love》和《Deep Work: Rules for Focused Success in a Distracted World》。


本文链接地址:https://www.0471seo.com/news/1650.html
  • 上一篇:<<用Python Featuretools库实现自动化特征工程(附链接)

  • 下一篇:把14亿中国人都拉到一个微信群在技术上能实现吗?>>
  • 如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!