最近kaggle新賽不少，學(xué)姐整理了幾場比較熱門的推薦給大家，有想法的抓緊了！

另外，為了方便你們學(xué)習(xí)大神們的top方案，學(xué)姐也整理了部分經(jīng)典案例和大家分享，主要有CV、NLP、多模態(tài)、時(shí)序數(shù)據(jù)四個(gè)方向。

1.計(jì)算機(jī)視覺競賽（10場）

2023新賽

Image Matching Challenge 2023（kaggle-2023圖像匹配大賽）

??2023.4.11-2023.6.12?? 78+支隊(duì)伍 · ?? : 50000

方向：CV-三維重建

網(wǎng)址：https://www.kaggle.com/competitions/image-matching-challenge-2023

介紹：參賽者在幫助建立準(zhǔn)確的3D模型方面的工作可能會應(yīng)用于攝影、文化遺產(chǎn)保護(hù)和谷歌的許多服務(wù)。

Vesuvius Challenge - Ink Detection（kaggle-圖書墨水檢測大賽）

??2023.3.15-2023.6.14?? 579+支隊(duì)伍 · ?? ：1,000,000

方向：CV-語義分割

網(wǎng)址：https://www.kaggle.com/competitions/vesuvius-challenge-ink-detection

介紹：在本次比賽中，參賽者的任務(wù)是檢測3D X射線掃描中的墨水并讀取內(nèi)容。

Google - Isolated Sign Language Recognition（kaggle-Google手語識別大賽）

??2023.2.23-2023.5.1?? 1080+支隊(duì)伍 · ?? ：100,000

方向：CV-圖像分類

網(wǎng)址：https://www.kaggle.com/competitions/asl-signs

介紹：本次比賽的目的是對孤立的美國手語 （ASL） 標(biāo)志進(jìn)行分類。參賽者將創(chuàng)建一個(gè) TensorFlow Lite 模型，該模型使用使用 MediaPipe 整體解決方案提取的標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練。

經(jīng)典往期賽

UW-Madison GI Tract Image Segmentation（UW-Madison 腸胃道圖像分割大賽）

方向：CV-圖像分割-醫(yī)療

網(wǎng)址：https://www.kaggle.com/competitions/uw-madison-gi-tract-image-segmentation

介紹：在本次競賽中，參賽者將創(chuàng)建一個(gè)模型，以便在?MRI 掃描中自動分割胃和腸，基于這些掃描的數(shù)據(jù)集來制定算法，以提出創(chuàng)造性的深度學(xué)習(xí)解決方案，幫助癌癥患者獲得更好的護(hù)理。

Top解決方案：https://www.kaggle.com/competitions/uw-madison-gi-tract-image-segmentation/discussion/337217

Global Wheat Detection（全球小麥檢測大賽）

方向：CV-目標(biāo)檢測-農(nóng)業(yè)

網(wǎng)址：https://www.kaggle.com/c/global-wheat-detection

介紹：參賽者將從小麥植物的戶外圖像中檢測小麥穗，包括來自全球各地的小麥數(shù)據(jù)集，利用世界范圍內(nèi)的數(shù)據(jù)，以估計(jì)小麥穗的數(shù)量和大小。

Top解決方案：https://www.kaggle.com/competitions/global-wheat-detection/discussion/172418

HuBMAP - Hacking the Kidney（入侵腎臟大賽）

方向：CV-圖像分割-醫(yī)療

網(wǎng)址：https://www.kaggle.com/competitions/hubmap-kidney-segmentation

介紹：本次競賽的目標(biāo)是實(shí)施成功且強(qiáng)大的腎小球FTU檢測器。參賽者面臨的挑戰(zhàn)是檢測不同組織制備管道中的功能性組織單位（FTU）

Top解決方案：https://www.kaggle.com/c/hubmap-kidney-segmentation/discussion/238198

Cassava Leaf Disease Classification（木薯葉病分類大賽）

方向：CV-圖像分類-農(nóng)業(yè)

網(wǎng)址：https://www.kaggle.com/competitions/cassava-leaf-disease-classification

介紹：參賽者的任務(wù)是將每個(gè)木薯圖像分為四個(gè)疾病類別或第五個(gè)類別，表明健康的葉子。農(nóng)民借此能夠快速識別患病植物，在作物造成無法彌補(bǔ)的損害之前挽救它們。

Top解決方案：https://www.kaggle.com/competitions/cassava-leaf-disease-classification/discussion/221957

Bristol-Myers Squibb – Molecular Translation（分子翻譯大賽）

方向：CV-圖像預(yù)測-醫(yī)療

網(wǎng)址：https://www.kaggle.com/competitions/bms-molecular-translation

介紹：在本次比賽中，參賽者將解釋舊的化學(xué)圖像。通過訪問百時(shí)美施貴寶生成的大量合成圖像數(shù)據(jù)，將圖像轉(zhuǎn)換回注釋為 InChI 文本的基礎(chǔ)化學(xué)結(jié)構(gòu)

Top解決方案：https://www.kaggle.com/c/bms-molecular-translation/discussion/243932

SETI Breakthrough Listen - E.T. Signal Search（搜索外星人信號大賽）

方向：CV-圖像分類-天文

網(wǎng)址：https://www.kaggle.com/competitions/seti-breakthrough-listen

介紹：在本次競賽中，參賽者使用自己的數(shù)據(jù)科學(xué)技能來幫助識別突破性聆聽目標(biāo)掃描中的異常信號。

Top解決方案：https://www.kaggle.com/competitions/seti-breakthrough-listen/discussion/266385

TensorFlow - Help Protect the Great Barrier Reef（tensorflow海星目標(biāo)檢測大賽）

方向：CV-目標(biāo)檢測-環(huán)保

網(wǎng)址：https://www.kaggle.com/competitions/tensorflow-great-barrier-reef

介紹：本次比賽的目標(biāo)是通過構(gòu)建在珊瑚礁水下視頻上訓(xùn)練的物體檢測模型，實(shí)時(shí)準(zhǔn)確地識別海星。此項(xiàng)工作將幫助研究人員識別威脅澳大利亞大堡礁的物種，并采取明智的行動為子孫后代保護(hù)珊瑚礁。

Top解決方案：https://www.kaggle.com/c/tensorflow-great-barrier-reef/discussion/307878

2.自然語言處理競賽（4場）

2023新賽

BirdCLEF 2023（kaggle-鳥類叫聲識別?）

??2023.3.7-2023.5.24?? 831+支隊(duì)伍 · ?? : 50,000

方向：NLP-語音識別的多標(biāo)簽多分類任務(wù)?

網(wǎng)址：https://www.kaggle.com/competitions/birdclef-2023

介紹：在這次比賽中，參賽者將使用先進(jìn)的機(jī)器學(xué)習(xí)技能，通過聲音識別東非鳥類物種。通過算法以處理連續(xù)的音頻數(shù)據(jù)，并通過其呼叫來識別物種。

經(jīng)典往期賽

CommonLit Readability Prize（文本復(fù)雜性識別大賽）

方向：NLP-文本分類-教育

網(wǎng)址：https://www.kaggle.com/c/commonlitreadabilityprize

介紹：在本次競賽中，參賽者將構(gòu)建算法來評估 3-12 年級課堂使用的閱讀段落的復(fù)雜性

Top解決方案：https://www.kaggle.com/competitions/commonlitreadabilityprize/discussion/257844

NBME - Score Clinical Patient Notes（臨床患者病例評分大賽）

方向：NLP-Token分類-醫(yī)療

網(wǎng)址：https://www.kaggle.com/competitions/nbme-score-clinical-patient-notes

介紹：在本次競賽中，參賽者將在患者筆記中確定特定的臨床概念。具體來說，參賽者將開發(fā)一種自動化方法，將臨床概念從考試量規(guī)（例如，“食欲減退”）映射到這些概念在醫(yī)學(xué)生撰寫的臨床患者筆記中表達(dá)的各種方式

Top解決方案：https://www.kaggle.com/competitions/nbme-score-clinical-patient-notes/discussion/323095

U.S. Patent Phrase to Phrase Matching（美國專利短語相似度大賽）

方向：NLP-文本相似度-教育

網(wǎng)址：https://www.kaggle.com/competitions/us-patent-phrase-to-phrase-matching

介紹：在本次競賽中，參賽者將在新穎的語義相似性數(shù)據(jù)集上訓(xùn)練模型，通過匹配專利文獻(xiàn)中的關(guān)鍵短語來提取相關(guān)信息。

Top解決方案：https://www.kaggle.com/competitions/us-patent-phrase-to-phrase-matching/discussion/332243

3.多模態(tài)競賽（4場）

2023新賽

Stable Diffusion - Image to Prompts（Stable Diffusion大賽）

??2023.2.13-2023.5.15?? 1034+支隊(duì)伍 · ?? : 50,000

方向：多模態(tài)、數(shù)據(jù)挖掘、時(shí)序預(yù)測?

網(wǎng)址：https://www.kaggle.com/competitions/stable-diffusion-image-to-prompts

介紹：比賽的目標(biāo)是扭轉(zhuǎn)生成文本到圖像模型的典型方向：不是從文本提示生成圖像，而是可以創(chuàng)建一個(gè)模型來預(yù)測給定生成圖像的文本提示。參賽選手需要對包含由 Stable Diffusion 2.0 生成的各種（提示、圖像）對的數(shù)據(jù)集進(jìn)行預(yù)測，以了解潛在關(guān)系的可逆性。

Predict Student Performance from Game Play（kaggle-學(xué)生表現(xiàn)預(yù)測大賽）

??2023.2.6-2023.6.14?? 1454+支隊(duì)伍 · ?? : 55,000

方向：ML+ NLP 多模態(tài)任務(wù)??

網(wǎng)址：https://www.kaggle.com/competitions/predict-student-performance-from-game-play

介紹：比賽的目標(biāo)是實(shí)時(shí)預(yù)測學(xué)生在游戲中的學(xué)習(xí)表現(xiàn)。我們將基于大量的游戲log來預(yù)測學(xué)生們對知識的掌握程度。

經(jīng)典往期賽

Shopee - Price Match Guarantee（Shopee商品匹配大賽）

方向：多模態(tài)-電商

網(wǎng)址：https://www.kaggle.com/competitions/shopee-product-matching

介紹：在本次競賽中，參賽者將應(yīng)用機(jī)器學(xué)習(xí)技能來構(gòu)建一個(gè)模型，以預(yù)測哪些商品是相同的產(chǎn)品。

Top解決方案：https://www.kaggle.com/c/shopee-product-matching/discussion/238136

PetFinder.my - Pawpularity Contest（寵物預(yù)測大賽）

方向：多模態(tài)-動保

網(wǎng)址：https://www.kaggle.com/competitions/petfinder-pawpularity-score

介紹：在這場比賽中，參賽者將分析原始圖像和元數(shù)據(jù)來預(yù)測寵物照的“Pawpularity”，在PetFinder數(shù)據(jù)上訓(xùn)練和測試模型。

Top解決方案：https://www.kaggle.com/competitions/petfinder-pawpularity-score/discussion/300938

4.時(shí)序數(shù)據(jù)競賽（5場）

2023新賽

CAFA 5 Protein Function Prediction（蛋白功能預(yù)測大賽）

??2023.4.18-2023.8.21?? 111+支隊(duì)伍 · ?? : 50,000

方向：ML、時(shí)序預(yù)測?

網(wǎng)址：https://www.kaggle.com/competitions/cafa-5-protein-function-prediction

介紹：該競賽的目標(biāo)是預(yù)測一組蛋白質(zhì)的功能。參賽者將開發(fā)一個(gè)針對蛋白質(zhì)的氨基酸序列和其他數(shù)據(jù)進(jìn)行訓(xùn)練的模型。

經(jīng)典往期賽

M5 Forecasting - Accuracy（M5-時(shí)間序列預(yù)測大賽）

方向：時(shí)間序列預(yù)測-零售網(wǎng)址：https://www.kaggle.com/competitions/m5-forecasting-accuracy

介紹：在本次競賽（第五次迭代）中，參賽者將使用全球收入最大的公司沃爾瑪?shù)姆謱愉N售數(shù)據(jù)來預(yù)測未來 28 天的每日銷售額。

Top解決方案：https://www.kaggle.com/competitions/m5-forecasting-accuracy/discussion/163684

Riiid Answer Correctness Prediction（回答準(zhǔn)確性預(yù)測大賽）

方向：時(shí)間序列預(yù)測-教育網(wǎng)址：https://www.kaggle.com/competitions/riiid-test-answer-prediction

介紹：在本次競賽中，參賽者的挑戰(zhàn)是為“知識追蹤”創(chuàng)建算法，即隨著時(shí)間的推移對學(xué)生知識進(jìn)行建模。目標(biāo)是準(zhǔn)確預(yù)測學(xué)生在未來互動中的表現(xiàn)。

Top解決方案：https://www.kaggle.com/competitions/riiid-test-answer-prediction/discussion/218318

Jane Street Market Prediction（簡街市場預(yù)測大賽）

方向：時(shí)間序列預(yù)測-金融網(wǎng)址：https://www.kaggle.com/competitions/jane-street-market-prediction

介紹：參賽者將使用歷史數(shù)據(jù)、數(shù)學(xué)工具和技術(shù)工具來創(chuàng)建一個(gè)盡可能接近確定性的模型。

Top解決方案：https://www.kaggle.com/competitions/jane-street-market-prediction/discussion/224348

Optiver Realized Volatility Prediction（股票市場波動率預(yù)測大賽）

方向：時(shí)間序列預(yù)測-金融網(wǎng)址：https://www.kaggle.com/competitions/optiver-realized-volatility-prediction

介紹：參賽者將構(gòu)建模型來預(yù)測不同行業(yè)數(shù)百只股票的短期波動，可以使用數(shù)億行高度精細(xì)的財(cái)務(wù)數(shù)據(jù)設(shè)計(jì)模型，預(yù)測 10 分鐘內(nèi)的波動率。

Top解決方案：https://www.kaggle.com/competitions/optiver-realized-volatility-prediction/discussion/274970

懶得點(diǎn)鏈接的同學(xué)！關(guān)注【學(xué)姐帶你玩AI】公眾號

回復(fù)“經(jīng)典”領(lǐng)取本文top方案合集

想打新賽的同學(xué)回復(fù)“新賽”添加小享資訊~