组队瓜分百万奖金池,资深算法工程师带你挑战飞桨论文复现赛!

你是否正在焦虑找不到好的论文?

好不容易找到了paper,无法复现出code?

缺少科研同行交流,只能独自一人闭门造车?

是的,论文复现是要想最快的学习和了解AI领域的方式,复现困境也被叫做“徘徊在 AI 上空的幽灵”,很多同学的复现之路都面临各种 bug,困难重重......

现在,「飞桨系列挑战赛-论文复现挑战赛」全新上线!大咖带领,通过使用国产框架飞桨复现顶会论文,助力更多科研成果落地,为中国开源生态建设贡献力量。

叫上你的小伙伴,瓜分150万元超级奖金池,一起进阶技术大神! 

比赛激励及亮点

一、超强比赛激励,百万大奖等你来瓜分

1、设有25000元20000元、15000元、10000元、5000元等五档奖金(单篇论文),超预期的队伍还有更丰厚奖金,总奖金从上届比赛的30万元的基础上,升级到150万元

(备注:共设有100+论文,同学们可以根据自己的能力选择相应论文参赛,根据每篇论文难度则奖金额度不同。)

2、名誉奖福利,收获百度秋招绿色通道

(1)经赛事组委会评选产生的论文复现优胜代码,按飞桨模型库规范格式整理后,将被添加到飞桨PaddlePaddle官方Github下面的代码目录contrib仓库中

(2)比赛中表现优秀的同学可获得百度校招绿色通道:2022年毕业的同学可以获得免笔试参加2022年校招的资格。(高校同学额外福利)

二、免费培训课程,大神在线分享实践经验

1、比赛过程包含免费培训课程,各大AI方向的实战案例详解、复现方法,往届冠军直播分享复现的心路历程及经验。

2、论文复现全流程解析:你将掌握Paper的阅读和拆解、竞品代码重点分析、使用paddle从0到1的复现路径、paddle复现细节解析、使用paddle完成论文撰写等超多干货。

三、超强比赛保障,助力选手加冕

1、优秀选手将进入专属优质社群,和更多高手过招;论文复现过程由高级算法工程师亲自指导,解决复现过程的疑难问题;

2、AI Studio为参赛选手提供了免费GPU Tesla V100算力,解决算力难题。

比赛任务

本次论文复现挑战赛以线上比赛的形式进行,要求选手在指定时间内使用飞桨最新版本完成顶会论文复现,达到赛事精度要求后,提交代码并验证。

评审环节

选手按照赛事要求项目代码与日志。经技术组委会评估,每篇论文最先达到精度要求的队伍,将获得该论文对应奖金。

大赛日程安排:

时间

日程

8月2日 20:00

报名入口开启

9月24日 23:59

报名入口关闭

9月30日 23:59

比赛结果截止提交

(竞赛最新消息均以官方公布为准)

比赛论文方向:

比赛论文不仅囊括图像分类、目标检测、图像分割、OCR、GAN、人脸识别、推荐系统、图网络、自然语言处理、强化学习等众多方向,同时更有3D视觉、对抗攻击、AutoML、医学图像、多模态、自监督等前沿论文可供复现选择。

培训课程安排

工欲善其事,必先利其器。飞桨开设了赛前培训班,内容包括目标检测、图像分类&OCR、图像分割、GAN、NLP、推荐系统、算子编写高阶课等实战干货内容。

8月10日

(1)开营仪式及比赛详解

亮点:大咖带你走进论文复现、比赛机制宣贯

8月11日

8月31日

(2)论文复现干货技巧分享

亮点:深度学习框架重点模块详解、复杂算子构建技巧、论文复现前向对齐方法、模型训练技巧

8月11日

8月31日

(3)领域论文解析与复现

亮点:图像分类、目标检测、图像分割、NLP、GAN、OCR、推荐系统领域顶会论文解析、论文复现实战案例、各领域技术特点分享

9月初

(4)往期冠军选手分享

亮点:冠军选手经验分享、论文复现踩坑经历分享

9月初

(5)顶会论文原作者分享

亮点:大咖原作分享相关科研工作

(竞赛最新消息均以官方公布为准)

比赛将持续到9月底,更多精彩内容等你来解锁哦!

参赛注意事项

01

 参赛对象

本次竞赛面向全社会开放,不限年龄、身份、国籍,相关领域个人、高等校、科研机构、企业单位、初创团队等人员均可报名参赛。

特别注意:

(1)大赛主办、协办单位,以及有机会接触赛题背景业务及数据的员工不得参赛

(2)百度公司员工可参与比赛,但不得领取奖金

02 

参赛要求

(1)支持以个人或团队(线下自由组队)的形式参赛,每支参赛队伍的人数不超过3人,允许跨单位自由组队,每人只能参加一支队伍

(2)参赛选手报名须保证所提供的个人信息真实、准确、有效。如发放奖金或礼品时发现选手填写的报名信息与个人身份不相符,组委会将保留停止发放奖金或礼品的权利。

如何参加比赛报名

立刻扫码报名????????????

瓜分150万元奖金,进阶技术大神

你也可以登录AI Studio官网进入比赛页面报名:

https://aistudio.baidu.com/aistudio/competition/detail/106

报名成功后,记得扫码加入学习交流群,与各路高手学习探讨~

QQ群号:602104223

扫码加入QQ群

和更多优秀的人一起复现顶会论文

跟着大咖复现顶会论文,和更多大神同行,为你的科研和开发打下坚实的基础,赢取百万现金!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/478226.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

开源开放 | Beyond 预训练语言模型,NLP还需要什么样的知识?

近年来,深度学习技术已广泛应用于NLP领域,但实际应用效果往往受限于缺乏大规模高质量监督样本。2018年底,预训练语言模型横空出世,极大缓解了这个问题,通过“超大规模无监督语料上的预训练语言模型相对少量的监督样本进…

Docker把容器打包成镜像并提交到harbor仓库

Docker把容器打包成镜像并提交到harbor仓库 如果你想要保存当前容器的状态,就可以通过commit来提交获得一个镜像,就好我们虚拟机的时候创建快照,想要回滚到某一个版本 一、首先创建要给tomcat 的本地容器,镜像指定tomcat-alpine:8…

LeetCode 139. 单词拆分(DP)

1. 题目 给定一个非空字符串 s 和一个包含非空单词列表的字典 wordDict,判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。 说明: 拆分时可以重复使用字典中的单词。 你可以假设字典中没有重复的单词。 示例 1: 输入: s "…

外卖排序系统特征生产框架

背景 图1 外卖排序系统框架 外卖的排序策略是由机器学习模型驱动的,模型迭代效率制约着策略优化效果。如上图所示,在排序系统里,特征是最为基础的部分:有了特征之后,我们离线训练出模型,然后将特征和模型一…

征稿 | “健康知识图谱”投稿通道开启

Data Intelligence正在与语义网国际知名学者Deborah McGuinness以及Oshani Seneviratne等专家一道组织“个人健康知识图谱”专辑。欢迎投稿!DI专辑Special Issue on Personal Health Knowledge Graphs This special issue at Data Intelligence Journal seeks origi…

清华提出LogME,无需微调就能衡量预训练模型的下游任务表现!

文 | 游凯超源 | THUML引言在深度学习时代,神经网络的参数量越来越大,从头开始训练(train from scratch)的成本也越来越大。幸运的是,在计算机视觉、自然语言处理等人工智能应用的主要领域,人们能够采用迁移学习的预训练-微调范式…

好的代码标准

需求分析文档需要用精确的数字来描述,避免量变导致质变

LeetCode 140. 单词拆分 II(DP+回溯)

1. 题目 给定一个非空字符串 s 和一个包含非空单词列表的字典 wordDict,在字符串中增加空格来构建一个句子,使得句子中所有的单词都在词典中。返回所有这些可能的句子。 说明: 分隔时可以重复使用字典中的单词。 你可以假设字典中没有重复的…

论文浅尝|简单高效的知识图谱表示学习负样本采样方法

笔记整理 | 陈名杨,浙江大学在读博士生,主要研究方向为知识图谱表示学习Introduction研究知识图谱表示学习(KnowledgeGraph Embedding)可以解决当前很多应用的基本问题,这些方法旨在将知识图谱中的实体(Ent…

常见性能优化策略的总结

本文要感谢我职级评定过程中的一位评委,他建议把之前所做的各种性能优化的案例和方案加以提炼、总结,以文档的形式沉淀下来,并在内部进行分享。力求达到如下效果: 1. 形成可实践、可借鉴、可参考的各种性能优化的方案以及选型考虑…

微软中山大学开源超强的视觉位置编码,涨点显著

文 | 小马源 | 极市平台1.写在前面由于Transformer对于序列数据进行并行操作,所以序列的位置信息就被忽略了。因此,相对位置编码(Relative position encoding, RPE)是Transformer获取输入序列位置信息的重要方法,RPE在自然语言处理任务中已被…

LeetCode 63. 不同路径 II(DP)

1. 题目 一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为“Start” )。 机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为“Finish”)。 现在考虑网格中有障碍物。那么从左上角到…

技术动态 | 去中心化知识图谱协作平台建设实践

转载公众号 | DataFunTalk文章作者:Epik 铭识协议出品平台:DataFunTalk导读:1月10日,由EpiK铭识协议主办的“2021开源知识运动”主题活动为业界带来了一场知识图谱开放与互联的智慧盛宴。活动吸引了包括清华大学信息技术研究院副…

权威赛事来了!千言-文本生成评测启动,聚焦NLG技术痛点

自然语言生成是人工智能的重要前沿技术,该技术在落地时会面临一个难题:如何保证模型生成的文本与输入具有事实层面的一致性,即避免生成错误、臆想的信息?为推动相关研究,中国中文信息学会自然语言生成专委会与千言开源…

CRM系统新思维

客户关系管理系统(CRM系统)是管理公司当前以及未来潜在客户的系统,其主要目的是通过优化客户关系实现公司销售业绩的长期增长,它是企业信息系统的核心之一。目前,移动互联网、大数据以及人工智能技术发展日新月异&…

LeetCode 980. 不同路径 III(DFS+回溯)

1. 题目 在二维网格 grid 上,有 4 种类型的方格: 1 表示起始方格。且只有一个起始方格。2 表示结束方格,且只有一个结束方格。0 表示我们可以走过的空方格。-1 表示我们无法跨越的障碍。 返回在四个方向(上、下、左、右&#x…

开源开放 | 开源网络通信行业知识图谱(新华三)

转载公众号 | 数字化领航OpenKG地址:http://openkg.cn/dataset/network-communication文章作者:新华三集团出品平台:数字化领航OpenKG是中国中文信息学会语言与知识计算专业委员会所倡导的开放知识图谱社区项目。旨在推动以中文为基础的知识图…

我删了这些训练数据…模型反而表现更好了!?

文 | Severus编 | Sheryc_王苏预训练语言模型的训练语料是全网数据,其来着不拒,只要喂过来的数据,统统吃掉,尽可能消化掉。而统计模型,除泛化能力外,另一个重要的能力就是记忆能力。我们知道,人…