大数据&机器学习相关竞赛推荐

闲着无聊想了解一些大数据&机器学习方面的竞赛，在网上看到大神们对这几个竞赛的推荐，自己查询了解了一下，分享出来给感兴趣的小伙伴们。（自己水平有限只能膜拜大神们了）

天池大数据竞赛

2015年3月23日，阿里云计算宣布启动新一赛季的天池大数据竞赛。大赛将吸引全球新生代数据科学家，为预测手机党购物喜好、余额宝资金流动、时尚穿衣搭配，提供更精准的数据分析模型。

这里还是要推荐下小编的大数据学习QQ群:532218147，不管你是小白还是大牛，小编我都欢迎，不定期分享干货，包括小编自己整理的一份2017最新的大数据资料和0基础入门教程，欢迎初学和进阶中的小伙伴。在不忙的时间我会给解答

能学到什么？（引用知乎 Cyber大神的回答）

如果你了解过这次比赛，你会发现这次天池比赛的趣味性与挑战性挺大，涉及到自然语言处理，图像深度学习以及排序优化等搜索技术相关内容。为了做好这次比赛，需要自学相关内容，比如简单的TF-IDF向量化文本，通过cos计算相似来评价商品相关性，目前自然语言处理来评价文本搜索相关性在kaggle有个非常值得推荐的一个比赛Crowdflower Search Results Relevance，github有冠军源码。由于题目提供图像数据 ，需要图像深度学习知识，比如卷积神经网络降维提取图像特征做以图搜图技术，线下可以用VGG-net和caffe等工具，后来发现python的Keras也挺好用的。为了做好排序会去研究Learning to Rank算法，比如目前排序场景中效果很好的Listwise方法LambdaMART，不过由于题目数据特征所限，最终我们只能采用简单而有效的Pointwise方式的分类器GDBT预测方案，线下学到的高大上方法在比赛中效果有时并不好，需要坚持也需要Plan B。但高大上知识在找工作面试中特别有用，会让你优秀地让面试官无法直视。天池比赛有时需要模型算法，更重要的是注重业务，根据业务知识提取特征，特别是统计特征，可能没参加比赛前很难理解特征决定上限的这个真理。天池复赛是真正意义上的大数据，提供海量数据和免费使用天池ODPS机会，可以采用MapReduce或者ODPS的Hive自定义函数进行分布式机器学习任务，在特征提取采用MapReduce非常方便，能同时调用几千个节点甚至几万个节点，这真的非常cool & 过瘾，期间也会遇到数据倾斜问题，如何解决非常有挑战性。如果能进入比赛答辩还有进一步提升机会，赛后交流能了解更多大神思路。

Kaggle

Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆（Anthony Goldbloom）2010年在墨尔本创立的，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。

Kaggle的比赛究竟锻炼的是什么能力？（引用知乎 Naiyan Wang大神的回答）

首先说，绝大部分的Kaggle比赛是Data Mining(DM)比赛（除少数是和Discrete Optimization还有Computer Vision(CV) 有关），最重要的是和Machine Learning(ML)关系不大。这是很多人一个误区，往往希望在Kaggle上学到很多ML的知识。Kaggle教给我的第一件事情，就是让我清晰领会到了这两者之间的不同：ML一般从模型或者算法出发，讲的是模型或者算法本身存在的不合理的地方，然后提出新的假设，从而去优化模型或算法。在这个过程中并不针对某一个具体的特殊的问题。而DM恰恰相反，它是从数据本身问题本身出发，希望针对问题的特性来设计最适合的方案。关键是在于对问题和数据的理解。之前总是觉得，DM/CV的paper都好水，到处找一个应用套。在我想明白这个问题之后，我就开始懂得欣赏DM/CV的paper。

其次，我觉得在一个DM的比赛中，最能锻炼到的是对于数据的"嗅觉"。举一个最有趣的例子，往往在比赛中会存在Data Leakage的情况，也就是说，某些和label相关的信息不小心会泄漏在feature中。有人通过这样的feature取得了很好的成绩之后，往往有人觉得非常鄙视。当然我不是说Data Leakage是一件好事情，但是在这背后往往隐藏的是发现leakage的人对于数据本身深刻的认识。这并不是每个人都能做到的。换句话讲，就算没有leakage，这群人还是会排名很前。在Kaggle的比赛中，能收获最大的就是这种嗅觉。这其实也把我自己训练成了一个data believer：也许一次两次的巧合真的是意外，但是如果巧合总是持续发生，那么背后一定有一个原因。

DataCastle

DC是中国最大的数据科学竞赛平台，致力于通过最优秀的数据科学家的力量解决复杂的大数据问题。通过来自不同行业、各种规模的公司/组织在平台上发布数据及问题，以众包的方式，获得科学的最优的数据结果和解决方案。DC拥有来自全国各地的高校学子、大数据领域研究学者、企业技术精英， 为不同的行业、各种规模的公司与组织提供科学的最优的数据结果及解决方案。参赛者除了获得奖金和经验外，还可以通过平台相互学习，提升自身能力，在竞赛中收获知识、财富、名誉和乐趣。