Competition——AI：国内外人工智能比赛平台以及竞赛类型、竞赛题目、举行时间等之详细攻略(最全+ing)
Competition——AI：國內(nèi)外人工智能比賽平臺以及競賽類型、競賽題目、舉行時間等之詳細(xì)攻略(最全+ing)
tips
(1)、可以在各大比賽平臺指定的討論區(qū)，或者github網(wǎng)站上，找到歷屆選手的一些解題思路
(2)、多參與、多了解、多比較，會有更為廣闊的思路。
(3)、本博主已經(jīng)帶領(lǐng)團(tuán)隊(duì)參加過多個比賽項(xiàng)目，有想?yún)⒓颖荣惖幕蛘呦虢M隊(duì)的，可以在評論區(qū)留下比賽鏈接以及個人想法。
相關(guān)內(nèi)容
Competition——互聯(lián)網(wǎng)比賽(編程相關(guān))：國內(nèi)外各種互聯(lián)網(wǎng)比賽舉辦時間、條件、細(xì)節(jié)等詳細(xì)攻略
Competition——AI：國內(nèi)外人工智能比賽平臺以及競賽類型、競賽題目、舉行時間等之詳細(xì)攻略(最全+ing)
Competition——ML/DL：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)各種計算機(jī)視覺、自然語言處理、科學(xué)預(yù)測等等比賽競賽簡介
?
?
?
目錄
綜合性的大平臺、社區(qū)
1、ILSVRC比賽?(Imagenet Large Scale Visual Recognition Challenge)
1.1、比賽評價標(biāo)準(zhǔn)
1.2、比賽的意義
2、DataCastle
3、AI Challenger 全球AI挑戰(zhàn)賽
4、科賽/kesci
細(xì)分平臺—國外
1、Kaggle
2、Topcoder
3、Challenge Data
4、crowdAI
5、SQuAD
6、Numer.ai
細(xì)分平臺—國內(nèi)
1、天池大數(shù)據(jù)競賽
?
?
綜合性的大平臺、社區(qū)
1、ILSVRC比賽?(Imagenet Large Scale Visual Recognition Challenge)
? ? ? ??ILSVRC大賽最常用的就是ImageNet數(shù)據(jù)集，ILSVRC使用ImageNet的一個子集，總共有大約120萬個訓(xùn)練圖像，50,000個驗(yàn)證圖像，以及150,000個測試圖像；1000類別標(biāo)記。
? ? ? ?該項(xiàng)目是一個用于視覺對象識別軟件研究的大型可視化數(shù)據(jù)庫。超過1400萬的圖像URL被ImageNet手動注釋，以指示圖片中的對象。在至少一百萬個圖像中，還提供了邊界框。ImageNet包含2萬多個類別，一個典型的類別，如“氣球”或“草莓”，包含數(shù)百個圖像。第三方圖像URL的注釋數(shù)據(jù)庫可以直接從ImageNet免費(fèi)獲得。但是，實(shí)際的圖像不屬于ImageNet。
? ? ? ?自2010年以來，ImageNet項(xiàng)目每年舉辦一次軟件比賽，即ImageNet大規(guī)模視覺識別挑戰(zhàn)賽（ILSVRC），軟件程序競相正確分類和檢測物體和場景。 ImageNet挑戰(zhàn)使用了一個“修剪”的1000個非重疊類的列表。2012年在解決ImageNet挑戰(zhàn)方面取得了巨大的突破，被廣泛認(rèn)為是深度學(xué)習(xí)革命的開始。
?? ? ??以2012 年為界，之后基于深度學(xué)習(xí)的方法一直居于首位。實(shí)際上，2012 年的AlexNet大幅降低了錯誤識別率。并且，此后基于深度學(xué)習(xí)的方法不斷在提升識別精度。特別是2015 年的ResNet(一個超過150 層的深度網(wǎng)絡(luò))將錯誤識別率降低到了3.5%。據(jù)說這個結(jié)果甚至超過了普通人的識別能力。這些年深度學(xué)習(xí)取得了不斐的成績，其中VGG、GoogLeNet、ResNet已廣為人知，在與深度學(xué)習(xí)有關(guān)的各種場合都會遇到這些網(wǎng)絡(luò)。
? ? ? ?ILSVRC大賽有多個測試項(xiàng)目，其中之一是“類別分類”（classification），在該項(xiàng)目中，會進(jìn)行1000 個類別的分類，比試識別精度。來看一下最近幾年的ILSVRC大賽的類別分類項(xiàng)目的結(jié)果。
? ? ? ? ? ? ? ? ?ILSCRV優(yōu)勝隊(duì)伍的成績演變：豎軸是錯誤識別率，橫軸是年份。橫軸的括號內(nèi)是隊(duì)伍名或者方法名
1.1、比賽評價標(biāo)準(zhǔn)
分類：
- top-5 error —> make 5 guesses about the image label
- top-1 error —> make 1 guess about the image label?
?
1.2、比賽的意義
? ? ? ?AlexNet在ILSVRC2012圖像分類競賽第一名，將top-5錯誤率降至16.4%，標(biāo)志著深度學(xué)習(xí)革命的開始，掀起了深度卷積神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域的研究熱潮。?
相關(guān)內(nèi)容：
Dataset之ImageNet：ImageNet數(shù)據(jù)集簡介、安裝、使用方法之詳細(xì)攻略
Competition——ML/DL：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)各種計算機(jī)視覺、自然語言處理、科學(xué)預(yù)測等等比賽競賽簡介
?
2、DataCastle
DataCastle官網(wǎng)：http://www.pkbigdata.com/common/cmptIndex.html
? ? ? ?DataCastle數(shù)據(jù)chen城堡，一個專業(yè)的數(shù)據(jù)科學(xué)學(xué)習(xí)社區(qū)，它提供優(yōu)質(zhì)的學(xué)習(xí)資源和數(shù)據(jù)比賽，幫助用戶成為頂尖的數(shù)據(jù)科學(xué)家。這個競賽定位于大數(shù)據(jù)領(lǐng)域的技術(shù)與創(chuàng)意競賽，賽題源于社會熱點(diǎn)問題和企業(yè)實(shí)際需求，通過競技的方式集結(jié)群體智慧為企業(yè)和組織提供科學(xué)優(yōu)秀解決方案。
? ? ? ?總的來說，相較于天池，DataCastle更多元、更親民，同樣的，它的獎金和含金量也會更低一些。但對于普通機(jī)器學(xué)習(xí)愛好者而言，這也是個訓(xùn)練自己實(shí)踐能力、積累數(shù)據(jù)工作經(jīng)驗(yàn)、參與競爭的靠譜選擇。
3、AI Challenger 全球AI挑戰(zhàn)賽
AI Challenger官網(wǎng)：https://challenger.ai/
? ? ? ?AI Challenger 全球AI挑戰(zhàn)賽”是面向全球人工智能人才的開源數(shù)據(jù)集和編程競賽平臺，致力于滿足AI人才成長對高質(zhì)量豐富數(shù)據(jù)集的需求，推動AI在科研與商業(yè)領(lǐng)域結(jié)合來解決真實(shí)世界的問題。AI Challenger以服務(wù)、培養(yǎng)AI人才為使命，打造良性可持續(xù)的AI科研與應(yīng)用新生態(tài)。 在2017年的首屆大賽中，AI Challenger發(fā)布了從百萬到千萬量級的4個數(shù)據(jù)集、6個兼具學(xué)術(shù)前沿性和產(chǎn)業(yè)應(yīng)用價值的競賽、以及超過200萬人民幣的獎金，吸引了來自全球65個國家的8892支團(tuán)隊(duì)參賽，成為目前國內(nèi)規(guī)模最大的科研數(shù)據(jù)集平臺、以及最大的非商業(yè)化競賽平臺。
? ? ?AI Challenger 2018由創(chuàng)新工場、搜狗、美團(tuán)點(diǎn)評、美圖聯(lián)合主辦，引入了更多企業(yè)、大學(xué)、政府機(jī)構(gòu)，帶來十余個全新的不同領(lǐng)域數(shù)據(jù)集，十余個兼具科研、產(chǎn)業(yè)應(yīng)用、社會意義的競賽，超過300萬人民幣的獎金，還將走進(jìn)國內(nèi)外幾十個城市的大學(xué)舉辦技術(shù)論壇。世界各地的AI人才匯集在AI Challenger平臺上，用AI挑戰(zhàn)真實(shí)世界的問題
4、科賽/kesci
科賽/kesci：https://www.kesci.com
? ? ? ? Kesci 科賽 ?是一個開放的數(shù)據(jù)科學(xué)社區(qū)。 ?你可以 ?學(xué)習(xí)探索、交流分享、能力變現(xiàn)、發(fā)布任務(wù)。
?
?
?
細(xì)分平臺—國外
1、Kaggle
Kaggle官網(wǎng)：Kaggle is the place to do data science projects
? ? Kaggle是當(dāng)前世界上最為流行的，采用眾包(Crowdsouring)策略，為科技公司、研究院所乃至高校課程提供數(shù)據(jù)分析與預(yù)測模型的競賽平臺。該平臺成立于2010年4月，由現(xiàn)任CEC的Anthony Goldboom等人創(chuàng)立。公司總部設(shè)在美國加州舊金山市。
? ? Kaggle平臺設(shè)立的宗旨在于：匯聚全世界從事數(shù)據(jù)分析與預(yù)測的專家以及興趣愛好者的集體智慧，利用公開數(shù)據(jù)競賽的方式，為科技公司、研究院所和高校課程中的研發(fā)課題，提供有效的解決方案。這一初衷使得問題提出者與解決者獲得了雙贏。? ? ? ??
? ? Google旗下的數(shù)據(jù)科學(xué)競賽平臺。Kaggle是由聯(lián)合創(chuàng)始人、首席執(zhí)行官安東尼·高德布盧姆（Anthony Goldbloom）2010年在墨爾本創(chuàng)立的，主要為開發(fā)商和數(shù)據(jù)科學(xué)家提供舉辦機(jī)器學(xué)習(xí)競賽、托管數(shù)據(jù)庫、編寫和分享代碼的平臺。該平臺已經(jīng)吸引了80萬名數(shù)據(jù)科學(xué)家的關(guān)注，這些用戶資源或許正是吸引谷歌的主要因素。
? ? ? ?Kaggle是全球知名的大數(shù)據(jù)競賽平臺，它一開始以Data Mining比賽起家，但隨著機(jī)器學(xué)習(xí)熱度的不斷上升，CV、NLP等機(jī)器學(xué)習(xí)項(xiàng)目在Kaggle上所占的比重越來越大，它也因此被視為是ML愛好者的一個主要學(xué)習(xí)交流社區(qū)。
(1)、Kenerls當(dāng)中有大量供大家學(xué)習(xí)的代碼。
1、比賽評估指標(biāo)：kaggle 各種評價指標(biāo)——Error Metrics
https://www.kaggle.com/competitions
2、三個長期在Kaggle平臺上掛載的實(shí)踐任務(wù)，
- 4.2、Titanic罹難難乘客預(yù)測；https://www.kaggle.com/c/titanic
- 4.3、IMDB影評得分估計；
- 4.4、MNIST手寫體數(shù)字圖片識別；
相關(guān)文章：Competition—Kaggle：通過幾個比賽案例來了解如何在Kaggle上進(jìn)行比賽之詳細(xì)攻略
?
2、Topcoder
Topcoder官網(wǎng)：ESIGN & BUILD HIGH-QUALITY SOFTWARE WITH CROWDSOURCING
? ? ? ?TopCoder是一個比較經(jīng)典的算法競賽，它在世界上和ACM、Google Code Jam并稱為三大賽，因?yàn)樗阎袊{入自己的賽區(qū)，所以幾年前許多程序員會熱衷于在上面參加一些程序設(shè)計比賽。隨著數(shù)據(jù)科學(xué)的流行，現(xiàn)在TopCoder上也出現(xiàn)了不少機(jī)器學(xué)習(xí)方向的競賽項(xiàng)目。
? ? ? ?這個網(wǎng)站可以說是一個程序設(shè)計比賽的網(wǎng)站，但是題型，比賽形式跟ACM/ICPC極不相同。該網(wǎng)站把中國納入其賽區(qū)，大家可以上去那里跟來自全世界的程序員(事實(shí)上大多數(shù)也是大學(xué)生)進(jìn)行更直接的交流，可能也是ACM/ICPC練兵的好地方吧。TopCoder是一個面向平面設(shè)計師和程序員的網(wǎng)站，它采用比賽、評分、支酬等方式吸引眾多平面設(shè)計師和程序員業(yè)余工作。由于其主要領(lǐng)域在編程工作上。
? ? ? ?網(wǎng)站每個月都有兩到三次在線比賽，根據(jù)比賽的結(jié)果對參賽者進(jìn)行新的排名。參賽者可根據(jù)自己的愛好選用Java, C++, C#, VB或python進(jìn)行編程。參賽者須在1小時15分鐘的時間內(nèi)完成三道不同難度的題目，每道題完成的時間決定該題在編程部分所得的分?jǐn)?shù)。而比賽可分為三部分：Coding Phase, Challenge Phase和System Test Phase，比ACM/ICPC多了Challenge Phase，這部分是讓參賽者瀏覽分配在同一房間的其他參賽者的源代碼,然后設(shè)法找出其中錯誤，并提出一個測試參數(shù)使其不能通過測試。如果某參賽者的程序不能通過別人或系統(tǒng)的測試，則該參賽者在此題目的得分將為0。關(guān)于其比賽的具體規(guī)則,詳看該網(wǎng)站上的公告。以上信息主要針對TopCoder公司舉辦的算法競賽部分，而實(shí)際上遠(yuǎn)不只于此。
? ? ? ? 以2016年哈佛大學(xué)人群創(chuàng)新實(shí)驗(yàn)室的“防止大規(guī)模暴行”項(xiàng)目為例。該競賽題的獎金為15000美元，要求參賽者在數(shù)據(jù)基礎(chǔ)上建立模型，預(yù)測人群中的可疑暴亂分子，幫助相關(guān)人員在正確的時間和地點(diǎn)拯救生命、給予人道主義援助。早在2013年，哈佛曾在TopCoder上發(fā)布過一次同樣主題的算法競賽，效果喜人，而這一屆的冠軍算法在預(yù)測準(zhǔn)確率上較上次提高了62%。
?? ? ? ?值得注意的是，因?yàn)門opCoder是一個眾包平臺，成績優(yōu)秀的團(tuán)隊(duì)可能會得到企業(yè)的眾包工作，而擁有這樣的經(jīng)歷將有助于個人、學(xué)生的未來就業(yè)。
3、Challenge Data
Challenge Data官網(wǎng)：https://challengedata.ens.fr/en/home
- Machine learning challenges for teaching and research in data science. Supervised classification or regression problems, organized as competitions. Data provided by start-ups, innovative companies, medical centers and scientific experiments.
- Promotes a free exchange of data and algorithmic knowledge, for education, science, industrial, social and medical applications.
? ? ?Challenge Data是由巴黎高師（ENS）主持的數(shù)據(jù)科學(xué)競賽，它主要面向歐洲地區(qū)，支持英語和法語。由于巴黎高師在數(shù)學(xué)領(lǐng)域的一貫堅持，目前它的競賽方向偏重監(jiān)督、分類和回歸問題。同時也因?yàn)楦黝悢?shù)據(jù)來自創(chuàng)業(yè)公司、創(chuàng)新公司、醫(yī)療中心、科學(xué)實(shí)驗(yàn)室，Challenge Data的競賽題更注重實(shí)際應(yīng)用。考慮到歐洲，尤其是法國正成為人工智能研究的又一個學(xué)術(shù)中心，所以Challenge Data可以作為有志于去歐洲發(fā)展的同學(xué)的另一個選擇。新一期的Challenge Data競賽時限是2017年11月16日至2018年12月27日，從官網(wǎng)爬取了一些題目，列在下方以供感興趣讀者挑選：
- 通過預(yù)測玻璃形成液體的動力學(xué)原理來解決主要的物理問題
- 幫助ENGIE改進(jìn)風(fēng)力發(fā)電生產(chǎn)
- Oze-Energies：通過統(tǒng)計學(xué)習(xí)預(yù)測能源消耗
- 名人臉部識別挑戰(zhàn)
- 殘留石油飽和度預(yù)測
- 交易索賠狀態(tài)預(yù)測
- 金融市場的波動性預(yù)測
4、crowdAI
crowdAI官網(wǎng)：https://www.crowdai.org/
? ? ? crowdAI是一個面向數(shù)據(jù)科學(xué)專家和愛好者的競賽平臺，它上面的競賽項(xiàng)目集中于幾個特定問題，屬于接近現(xiàn)實(shí)應(yīng)用的學(xué)術(shù)研究，且都是當(dāng)前熱點(diǎn)。值得一提的是，一些機(jī)器學(xué)習(xí)頂級會議會在crowdAI上發(fā)布官方賽題，如去年斯坦福大學(xué)那篇長得驚人的Learning to Run論文就出自該平臺。
? ? ? ?當(dāng)時該項(xiàng)目對頂級參賽者的獎勵是受邀在NIPS 2017上發(fā)表論文、報銷參會費(fèi)用及參加瑞士EPFL機(jī)器學(xué)習(xí)日（Applied Machine Learning Days）的費(fèi)用，因此這個平臺也非常適合想?yún)⑴c頂會或發(fā)表有學(xué)術(shù)價值的論文的在校學(xué)生入駐。
? ? ? 目前crowdAI上有兩個項(xiàng)目，一個是用AI生成音樂，距離截止時間還有300天；另一個則是用機(jī)器學(xué)習(xí)修復(fù)缺失地圖。這不經(jīng)讓人聯(lián)想到去年計算機(jī)視覺領(lǐng)域一個廣受關(guān)注的研究——圖像修復(fù)，論智早前曾介紹過日本早稻田大學(xué)的相關(guān)研究：日本研究人員利用神經(jīng)網(wǎng)絡(luò)完美重現(xiàn)缺失的圖像。相信這次的地圖補(bǔ)全能吸引大量參賽者共同競爭。
5、SQuAD
SQuAD官網(wǎng)：https://rajpurkar.github.io/SQuAD-explorer/
? ? ? SQuAD介紹了幾個國外的面向?qū)W生的競賽平臺，我們來看看專業(yè)性較強(qiáng)的比賽。
? ? ? SQuAD全稱Stanford Question Answering Dataset，這是斯坦福大學(xué)發(fā)起的機(jī)器閱讀理解（reading comprehension）領(lǐng)域的頂級賽事，被譽(yù)為機(jī)器閱讀理解界的ImageNet，吸引了包括谷歌、卡內(nèi)基·梅隆大學(xué)、斯坦福大學(xué)、微軟亞洲研究院、艾倫研究院、IBM、Facebook等知名企業(yè)研究機(jī)構(gòu)和高校深度參與。
? ? ? 它同時也是一個大型閱讀理解數(shù)據(jù)集，收錄了來自維基百科的500多篇文章，以及答案為文章內(nèi)容（字詞、段落）的10萬個問題。在SQuAD中，各機(jī)構(gòu)的NLP模型需要閱讀文章并給出相關(guān)問題的標(biāo)準(zhǔn)答案，得出的答案以精確匹配（Exact Match）和模糊匹配（F1-score）兩個標(biāo)準(zhǔn)進(jìn)行評分，之后再和人類水平對比。
? ? ? 自今年1月初阿里巴巴和微軟團(tuán)隊(duì)先后在EM評分上打破人類記錄后，2個月過去了，整個榜單又經(jīng)歷了一輪洗牌。不過令人鼓舞的是，國內(nèi)的研究團(tuán)隊(duì)在機(jī)器閱讀理解領(lǐng)域碩果累累，整體水平也在排名上處于領(lǐng)先位置。以下是論智整理的榜單上的部分國內(nèi)機(jī)構(gòu)：
| 1 | Hybrid AoA Reader (ensemble) | 哈工大訊飛聯(lián)合實(shí)驗(yàn)室 |
| 1 | Reinforced Mnemonic Reader + A2D (ensemble model) | 微軟亞洲研究院 & 國防科技大學(xué) |
| 2 | Reinforced Mnemonic Reader (ensemble model) | 國防科技大學(xué) & 復(fù)旦大學(xué) |
| 2 | SLQA+ (ensemble) | 阿里巴巴iDST-NLP |
| 3 | AttentionReader+ (ensemble) | 騰訊文智自然語言處理 |
| 4 | Reinforced Mnemonic Reader + A2D (single model) | 微軟亞洲研究院 & 國防科技大學(xué) |
| 5 | MARS (single model) | 猿輔導(dǎo)NLP研究團(tuán)隊(duì) |
6、Numer.ai
Numer.ai官網(wǎng)：https://numer.ai/
? ? ? ?一個不會同態(tài)加密、模型融合、區(qū)塊鏈技術(shù)的機(jī)器學(xué)習(xí)競賽網(wǎng)站不是一個好的對沖基金。
? ? ? ?如果你沒有聽說過Numer.ai，沒關(guān)系，但是如果你是沖著比賽獎金去的，那你必須知道它是現(xiàn)在最有“錢途”的機(jī)器學(xué)習(xí)競賽平臺——Numer.ai有個別稱：金融市場的Kaggle。
? ? ? 我們都知道，Kaggle的可貴之處在于它是開源的，在上面學(xué)生可以使用大學(xué)課堂里從未接觸過的大型數(shù)據(jù)集。數(shù)據(jù)集越大，模型準(zhǔn)確率越高，性能也越可靠。但就在其他領(lǐng)域都在積極倡導(dǎo)建立超大型數(shù)據(jù)集時，對數(shù)據(jù)分析有極大需求的金融領(lǐng)域卻沒有任何聲響——每天全球只有極少數(shù)數(shù)據(jù)科學(xué)家能訪問數(shù)量可觀的金融數(shù)據(jù)。為什么？因?yàn)槭袌龅睦娼粨Q來自信息不對稱，因此獲取數(shù)據(jù)也成了橫在普通數(shù)據(jù)科學(xué)家面前的最高門檻。
? ? ? Numer.ai是一個可以向參賽者開放大量加密數(shù)據(jù)的競賽，當(dāng)然，這個開放要加引號，因?yàn)檫@些數(shù)據(jù)事實(shí)上都是經(jīng)過同臺加密處理的，也就是數(shù)據(jù)科學(xué)家根本不知道它們究竟是什么。大家要做的就是在一堆不明含義的數(shù)值型數(shù)據(jù)或分類型數(shù)據(jù)上構(gòu)建模型，參與排名，并瓜分獎金。
? ? ?為了激勵數(shù)據(jù)科學(xué)家參與競賽，Numer.ai在除了發(fā)放現(xiàn)金鼓勵外，還推出了一種名為Numeraire的虛擬貨幣。模型越好，參與者獲得的Numeraire就越多；相反地，如果“后浪”把“前浪”拍死在了沙灘上，參與者已有的Numeraire會被銷毀。這種虛擬貨幣與對沖基金掛鉤，基金賺的多，Numeraire分紅也越高。因?yàn)榛鹉Ｐ褪撬心Ｐ徒Y(jié)合在一起的產(chǎn)物，因此這從本質(zhì)上來說就是數(shù)據(jù)科學(xué)家之間的做大餅、分蛋糕。
?
細(xì)分平臺—國內(nèi)
1、天池大數(shù)據(jù)競賽
天池大數(shù)據(jù)競賽官網(wǎng)：https://tianchi.aliyun.com/competition/gameList.htm
? ? ? ?阿里旗下天池大數(shù)據(jù)競賽。DataCastle（以下簡稱DC）是中國最大的數(shù)據(jù)科學(xué)競賽平臺，致力于通過最優(yōu)秀的數(shù)據(jù)科學(xué)家的力量解決復(fù)雜的大數(shù)據(jù)問題。通過來自不同行業(yè)、各種規(guī)模的公司/組織在平臺上發(fā)布數(shù)據(jù)及問題，以眾包的方式，獲得科學(xué)的最優(yōu)的數(shù)據(jù)結(jié)果和解決方案。DC擁有來自全國各地的高校學(xué)子、大數(shù)據(jù)領(lǐng)域研究學(xué)者、企業(yè)技術(shù)精英， 為不同的行業(yè)、各種規(guī)模的公司與組織提供科學(xué)的最優(yōu)的數(shù)據(jù)結(jié)果及解決方案。
? ? ? ?天池大數(shù)據(jù)競賽是由阿里巴巴集團(tuán)主辦，面向全球科研工作者的高端算法競賽。它背靠阿里云，數(shù)據(jù)量龐大且質(zhì)量過硬，再加上提供分布式計算平臺，對參賽者非常友好，高校學(xué)生是其主要吸引群體。競賽的場景圍繞電商、互聯(lián)網(wǎng)金融、大數(shù)據(jù)營銷等真實(shí)業(yè)務(wù)展開，應(yīng)用性能強(qiáng)，但考慮到用的是官方平臺，參賽者的自由發(fā)揮空間會受限制。
? ? ? ?現(xiàn)在官網(wǎng)上獎金最高的是阿里巴巴“圖像和美”團(tuán)隊(duì)聯(lián)合香港理工大學(xué)紡織與制衣系共同舉辦“2018 FashionAI全球挑戰(zhàn)賽”，分服飾關(guān)鍵點(diǎn)定位和服飾屬性標(biāo)簽識別兩場，每場獎金池內(nèi)有134萬RMB。另外正在進(jìn)行中的“阿里媽媽搜索廣告轉(zhuǎn)化預(yù)測”和“印象鹽城·數(shù)創(chuàng)未來大數(shù)據(jù)競賽 - 乘用車零售量預(yù)測”也吸引了大量參賽者。天池競賽的火爆程度可見一斑，但反過來看，參賽者的競爭壓力也會非常驚人。
?
2、
?
3、
?
4、
?
總結(jié)
以上是生活随笔為你收集整理的Competition——AI：国内外人工智能比赛平台以及竞赛类型、竞赛题目、举行时间等之详细攻略(最全+ing)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： HighNewTech之Job：关于人工
- 下一篇： Py之skflow：skflow的简介、