Cientista de Dados Sênior na NVIDIA
Conheça os Kaggle Grandmasters da NVIDIA (KGMoN) e veja como eles usam a ciência de dados acelerada da NVIDIA para criar sistemas de recomendação vencedores, prever taxas de degradação em moléculas de RNA, identificar melanoma em diagnósticos por imagens e muito mais.
Cientista de Dados Sênior na NVIDIA
Cientista de Dados Sênior na NVIDIA
Cientista de Dados na NVIDIA
Engenheiro de Software de Sistemas Líder na NVIDIA
Cientista de Dados na NVIDIA
Engenheiro de Destaque na NVIDIA
Cientista de Dados Sênior na NVIDIA
Cientista de Dados Sênior na NVIDIA
Março e Maio de 2022
Em duas competições diferentes, a equipe usou o processamento de linguagem natural para analisar elementos de escrita argumentativa dos alunos e identificou frases-chave nas notas dos pacientes de exames de licenciamento médico.
Junho de 2021
A equipe do NVIDIA Merlin e KGMoN garantiu o 1º lugar no RecSys Challenge 2021 ao prever com eficácia a probabilidade de envolvimento do usuário em um ambiente dinâmico e fornecer recomendações justas em um conjunto de dados de vários milhões de pontos.
Março de 2021
Nesse desafio de sistemas de recomendação, o objetivo era usar um conjunto de dados baseado em milhões de reservas de acomodação anônimas reais com a finalidade de criar uma estratégia para fazer a melhor recomendação para seu próximo destino, tudo em tempo real.
Março de 2021
Assista a este vídeo para obter uma breve lição de história e o estado atual do processamento de linguagem natural, além das melhores práticas para usar os transformers Hugging Face em quatro competições diferentes.
Outubro de 2020
Nesta competição, as equipes foram encarregadas de desenvolver modelos de machine learning e criar regras para degradação de RNA. Os modelos precisavam prever as taxas de degradação prováveis em cada base de uma molécula de RNA, treinados em um subconjunto de um conjunto de dados Eterna compreendendo mais de 3.000 moléculas de RNA (que abrangem uma panóplia de sequências e estruturas) e suas taxas de degradação em cada posição.
Setembro de 2020
Neste desafio de reconhecimento de pontos de referência, a equipe teve que construir modelos que reconhecem o ponto correto (se houver) em um conjunto de dados de imagens de teste complicadas. É mais fácil falar do que fazer, dado que o reconhecimento de pontos de referência contém um número muito maior de classes. Por exemplo, havia mais de 81.000 classes nesta competição.
Agosto de 2020
Nesta competição, a equipe teve que criar modelos de ML para identificar lesões de pele a partir de imagens de pacientes e determinar quais imagens teriam maior probabilidade de representar um melanoma. O modelo vencedor de ML foi capaz de identificar o melanoma mais cedo e com mais precisão do que um dermatologista comum.
A Série Grandmaster é uma série de vídeos educacionais mensais para cientistas de dados. Em cada episódio, alguns dos principais especialistas em ciência de dados do mundo compartilham insights, práticas recomendadas e os principais aprendizados de uma competição recente. Confira e aprenda a aplicar esses aprendizados aos seus próprios desafios de ciência de dados.