自動化機器學習(AutoML)作為AI產業(yè)化的關鍵性技術，在該領域的探索及突破被認為是AI發(fā)展的領航燈。去年第四范式主辦了"NeurIPS 2018 AutoML Challenge"、"PAKDD 2018 Data Competition"等AutoML重要賽事，今年第四范式將攜手谷歌、ChaLearn聯(lián)合舉辦全球首屆AutoDL大賽——AutoDL2019挑戰(zhàn)賽。
對于首屆AutoDL大賽的期望，大賽組委會負責人之一——第四范式資深算法科學家涂威威表示：歡迎google加入，一起承辦首屆AutoDL挑戰(zhàn)賽。過去AutoML比賽主要集中解決結構化數據的應用問題，本次AutoDL挑戰(zhàn)賽參賽者將面臨多種結構化和非結構化數據的新問題，挑戰(zhàn)難度更大。今天，我們對機器“自動”學習技術的探索和發(fā)展旨在讓機器更加智能，相信未來無論是在傳統(tǒng)機器學習及深度學習領域，它都將為整個行業(yè)帶來全新改變，這是我們承辦挑戰(zhàn)賽的初衷和期望。
據悉，本次AutoDL比賽的目標是利用深度學習解決多種結構化和非結構化數據的問題，涉及到結構化數據、文本、語音、圖像等多個不同領域的多分類問題，大賽將提供大量預先格式化的公共數據集，并建立一個數據交換庫，以實現元學習。參賽者最終提交自動深度學習方案，在多個全新的測試數據集上盲測，按盲測的效果進行最終排名。
近年來，深度學習在語音、圖像等領域應用成果大家有目共睹，但技術門檻高、人才匱乏等多方面原因，成為阻礙其大規(guī)模落地的絆腳石。因此，實現自動化深度學習的技術AutoDL成為行業(yè)探索和研究的重要方向。第四范式自2015年成立就開始AutoML的研究探索和應用，目前已經發(fā)布了自動特征組合(FeatureGo)、自動時序特征(TemporalGo)、自動深度稀疏網絡DSN(Deep Sparse Network)、自動半監(jiān)督學習(Auto-SSL)等多項AutoML核心技術，并成功應用在反欺詐、個性化推薦等業(yè)務場景中，讓普通開發(fā)人員開發(fā)的AI應用有接近甚至超過數據科學家的效果。
基于在AutoML領域的技術積累和與落地實踐，第四范式本次與Google、ChaLearn攜手合辦AutoDL 2019挑戰(zhàn)賽，旨在進一步擴大自動化機器學習的技術版圖，為推動AI大規(guī)模產業(yè)化落地奠定更堅實的基礎。
- 未來駕駛：2023年起，無智駕技術車輛將失去市場競爭力
- 360大佬周鴻祎送車活動掀起熱潮：首月送出20輛小鵬汽車，月底再送20輛！
- iPhone SE 4下周發(fā)布，周鴻祎直播送車遭遇尷尬，科技圈晚間速遞
- 臺積電豪賭新產能：砸巨資擴產背后，新廠計劃待確認揭秘
- 元宵送車直播尷尬：連撥兩次電話，大獎錯失良機？
- 中國汽車進口量連續(xù)四年下滑，2024年降幅達11.7%：市場拐點還是趨勢逆轉？
- 日產本田合并談判破裂：自尊心成絆腳石，車企競爭白熱化
- 寶馬研發(fā)主管：固態(tài)電池路漫漫，提升整車效率成新焦點
- 英特爾發(fā)布安全報告：AMD、英偉達固件漏洞數驚人，AMD竟是4.4倍差距，英偉達GPU安全問題激增80%引關注
- 馬斯克收購OpenAI引爭議：奧爾特曼質疑收購意圖或為拖延公司發(fā)展
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
