Data science

KDD 2021 ฉลองทีมที่ชนะการแข่งขัน KDD Cup ประจำปีครั้งที่ 25

Association for Computing Machinery (ACM) Special Interest Group on Knowledge Discovery and Data Mining (SIGKDD) ยกย่องทีมที่ชนะการแข่งขัน KDD Cup ประจำปีนี้ ซึ่งเป็นการแข่งขันประจำปีที่จัดขึ้นที่ KDD 2021 การประชุมสหวิทยาการชั้นนำด้านวิทยาศาสตร์ข้อมูล KDD Cup 2021 ซึ่งจัดขึ้นเมื่อเดือนสิงหาคม -18, 2021 ผู้เข้าร่วมจำนวนมากที่ช่วยแก้ปัญหาความท้าทายในอุตสาหกรรมการค้นพบความรู้และการทำเหมืองข้อมูล โดยเป็นแพลตฟอร์มสำหรับนักวิทยาศาสตร์ข้อมูลที่ต้องการและมีประสบการณ์เพื่อสร้างความเป็นมืออาชีพ โปรไฟล์และเครือข่ายกับผู้เชี่ยวชาญชั้นนำในสาขาระหว่าง KDD 2021 “ทุกปี KDD Cup ดึงดูดผู้มีความสามารถด้านวิทยาศาสตร์ข้อมูลที่ฉลาดที่สุดจากทั่วโลก และผู้เข้าแข่งขันในปีนี้ก็ไม่เคยท้อถอย ผลงานทั้งหมดแสดงให้เห็นถึงความเฉลียวฉลาด ผลกระทบ และการทำงานเป็นทีมที่ไร้ที่ติ ฉันขอขอบคุณทุกทีมในปีนี้และขอแสดงความยินดีกับทีมที่ก้าวขึ้นสู่ตำแหน่งสูงสุด ทีมที่ท้าทายตัวเองโดยพื้นฐานและวิธีที่โลกคิดเมื่อพูดถึงวิทยาศาสตร์ข้อมูล” Wei Wang ประธาน SIGKDD และศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ของมหาวิทยาลัยกล่าว แห่งแคลิฟอร์เนีย ลอสแองเจลิส การแข่งขันในปีนี้ได้รับการสนับสนุนจากบริษัทและมหาวิทยาลัยหลายแห่งที่สนับสนุนระบบนิเวศวิทยาข้อมูล เช่น Facebook AI, TU Dortmund, Intel, Shanghai Jiao Tong University, Yunqi Academy of Engineering, Stanford University, Hexagon-ML และ Tianrang มากกว่า 1 ทีม 100 เข้าร่วมการแข่งขัน City Brain Challenge 193 ทีมใน Time Series และ 143 ทีมใน Open Graph Benchmark (OGB) Large Scale Challenge (LSC) โดยเลือกผู้ชนะการแข่งขันโดยกระบวนการอัตโนมัติทั้งหมด ผู้ชนะ KDD Cup 2021 ได้แก่: KDD Cup Track 1: Multi-Dataset Time Series Anomaly Detection — การสร้างเกณฑ์มาตรฐานใหม่สำหรับการตรวจจับความผิดปกติแบบอนุกรมเวลา อันดับแรกตกเป็นของ DeepBlueAI ซึ่งรวมถึง Zhixing He, Xu จางและจินหวาง อันดับที่ 2 ได้แก่ Ark Lab ของ Huawei Noah ซึ่งรวมถึง Marcus Kalander และ Sixiao Yang อันดับที่สามตกเป็นของ Hitchi America R&D ซึ่งรวมถึง Qiyao Wang, Wei Huang, Ahmed Farahat และ Haiyan Wang KDD Cup Track 2: Open Graph Benchmark (OGB) Large Scale Challenge (LSC) สำหรับการเรียนรู้ของเครื่องกราฟ — การพัฒนาแบบจำลองกราฟแมชชีนเลิร์นนิงที่ล้ำสมัยสำหรับชุดข้อมูลสมัยใหม่จำนวนมาก เป็นที่หนึ่งในเทคนิคขั้นสูงล่าสุดที่ใช้สำหรับการทำนายเอกสาร สาขาวิชาในกราฟการศึกษาที่แตกต่างกันไปที่ BD-PGL ซึ่งรวมถึง Yunsheng Shi, Zhengjie Huang, Weibin Li, Weiyue Su และ Shikun Feng อันดับที่ 2 ได้แก่ Petar Velickovic, Peter Battaglia, Jonathan Godwin, Alvaro Sanchez, David Budden, Shantanu Thakoor, Jacklynn Stott, Ravichandra Addanki, Thomas Keck และ Andreea Deac อันดับที่สามตกเป็นของ Synerise AI ซึ่งรวมถึง Michal Daniluk, Jacek Dabrowski, Konrad Goluchowski และ Barbara Rychalska ที่แรกสำหรับประสิทธิภาพที่ดีขึ้นและใช้ในการทำนายข้อเท็จจริงที่ขาดหายไปในกราฟความรู้ ได้แก่ BD-PGL ซึ่งรวมถึง Weiyue Su, Shikun Feng, Zeyang Fang, Huijuan Wang, Siming Dai, Hui Zhong, Yunsheng Shi และ Zhengjie Huang อันดับที่สองตกเป็นของ OhMyGod ซึ่งรวมถึง Weihua Peng ด้วย อันดับที่สามตกเป็นของ GraphMIRAcles ซึ่งรวมถึง Jianyu Cai, Jiajun Chen, Taoxing Pan, Zhanqiu Zhang และ Jie Wang สถานที่แรกสำหรับการทำนายคุณสมบัติควอนตัมของชุดข้อมูลกราฟระดับโมเลกุลและงานทำนาย ได้แก่ MachineLearning ซึ่งรวมถึง Chengxuan Ying, Mingqi Yang, Shengjie Luo, Tianle Cai, Guolin Ke, Di He, Shuxin Zheng, Chenglin Wu, Yuxin Wang และ Yanming Shen อันดับที่ 2 ได้แก่ SuperHelix ซึ่งรวมถึง Shanzhuo Zhang, Lihang Liu, Sheng Gao, Donglong He, Weibin Li, Zhengjie Huang, Weiyue Su และ Wenjin Wang อันดับที่สามตกเป็นของ Quantum ซึ่งรวมถึง Peter Velickovic, Peter Battaglia, Jonathan Godwin, Alvaro Sanchez, David Budden, Shantanu Thakoor, Jaclynn Stott, Ravichandra Addanki, Sibon Li และ Andreea Deac KDD Cup Track 3: City Brain Challenge — จัดหาเครือข่ายถนนขนาดเท่าเมืองและความต้องการการจราจร อันดับแรกไปที่ IntelligentLight ซึ่งรวมถึง Gang Song, Zheng Zhang, Chufan Wang, Yucheng Gu และ Zeyu Sun อันดับที่สองตกเป็นของ GoodGoodStudy ซึ่งรวมถึง Zhenzhe Ying, Zhuoer Xu, Hui Li, Haotian Wang และ Shiwen Cui อันดับที่สาม ได้แก่ 4QC_team ซึ่งรวมถึง Chuan Qin ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button