看完這個(gè)你還會(huì)抱怨你的假期少嗎

來(lái)源：荊州網(wǎng)站建設(shè) 時(shí)間：2017-10-09

一年一度的諾貝爾頒獎(jiǎng)季又到啦，除了大家熟知的得獎(jiǎng)?wù)撸【幗裉鞄Т蠹艺J(rèn)識(shí)一位科學(xué)界未來(lái)的新星。

他雖然只有16歲，卻在過去一年參加了39場(chǎng)比賽，并通過知名的AI編程競(jìng)技平臺(tái)Kaggle而走紅。

深入了解人工智能的人或許知道，Kaggle是一個(gè)數(shù)據(jù)建模和數(shù)據(jù)分析競(jìng)賽平臺(tái)。企業(yè)和研究者可以在這里發(fā)布數(shù)據(jù)，統(tǒng)計(jì)學(xué)者和數(shù)據(jù)挖掘?qū)＜铱稍谄脚_(tái)上面進(jìn)行競(jìng)賽以產(chǎn)生最好的模型。

這就好比解決某一個(gè)問題的方法和策略有很多，那哪一種方法是最有效的呢？答案是群眾的力量！

Kaggle的目標(biāo)就是通過“眾包”的形式來(lái)解決這個(gè)難題，以促進(jìn)數(shù)據(jù)科學(xué)的發(fā)展。

Kaggle有Competitions競(jìng)賽、Datasets數(shù)據(jù)集以及Kernel Masters三個(gè)子平臺(tái)。目前，16歲的Mikel bober-irizar在Kaggle中排名84，Kernel Masters中排名第二。

其實(shí)，Mikel在機(jī)器學(xué)習(xí)和AI方面的編程技能完全是自學(xué)的，他上的并不是網(wǎng)上的免費(fèi)課程，而是在網(wǎng)上閱讀了許多文章和視頻后，遇到需要解決的問題，就去Google上搜索尋找答案。

這就是他“不那么常規(guī)”的學(xué)習(xí)方法。

Mikel就讀的高中在倫敦郊外的吉爾福德(Guildford)，這所學(xué)校并沒有開設(shè)任何人工智能相關(guān)的課程。

有一次，Mikel在網(wǎng)上了解到Kaggle，“為什么不試試呢？”，他被這個(gè)有趣的平臺(tái)所打動(dòng)了。從此，Mikel把所有心思都花在了Kaggle上。

期間，他參加了各種各樣的比賽，還協(xié)助設(shè)計(jì)了一個(gè)算法，采用計(jì)算機(jī)視覺技術(shù)，分析了800萬(wàn)個(gè)YouTube視頻，最終創(chuàng)建了準(zhǔn)確的標(biāo)簽。

這使得他所在的團(tuán)隊(duì)在650個(gè)團(tuán)隊(duì)中脫穎而出，位列第七。

谷歌注意到這個(gè)有才華的小伙子后，請(qǐng)Mikel在2017年的計(jì)算機(jī)視覺和模式識(shí)別大會(huì)上展示他的算法。

這套算法需要在理解視頻中的內(nèi)容后，能夠挑選出正確的標(biāo)簽——由于缺少公開的數(shù)據(jù)集可以用于訓(xùn)練算法，因此這項(xiàng)技術(shù)并非那么簡(jiǎn)單，更何況是視頻。

當(dāng)然，Mikel現(xiàn)在還是一位高中生，他理想的學(xué)校是加州大學(xué)-伯克利分校、劍橋大學(xué)或麻省理工學(xué)院。

“雖然我有過實(shí)踐經(jīng)驗(yàn)，但我并不知道所有算法背后的數(shù)學(xué)知識(shí)，我認(rèn)為對(duì)技術(shù)的工作原理有一個(gè)系統(tǒng)的理解是非常重要的。因?yàn)?，即使我做不到從零開始創(chuàng)作這些理論，我也會(huì)知道它們，并且更容易了解它們可以在何處發(fā)揮作用?！毙』镒又t虛地說道。

長(zhǎng)江后浪推前浪，看完這顆未來(lái)AI界的新星，小編想不出任何偷懶的理由啦~