Popular Olimpiada de ML está de regreso para su tercera ronda con más de 20 competencias de aprendizaje automático organizadas por la comunidad en Kaggle.
La Olimpiada de ML, organizada por grupos como ML GDE, TFUG y otras comunidades de ML, tiene como objetivo brindar a los desarrolladores oportunidades prácticas para aprender y practicar habilidades de aprendizaje automático abordando desafíos del mundo real.
En las dos rondas anteriores, participaron nada menos que 605 equipos en 32 competiciones, generando 105 debates y 170 cuadernos.
La programación de este año incluye desafíos que abarcan áreas como la atención médica, la sostenibilidad, el procesamiento del lenguaje natural (PNL), la visión por computadora y más. Los concursos están organizados por grupos de expertos y desarrolladores de todo el mundo.
Estos son los desafíos de este año:
- Detección de tabaquismo en pacientes
Organizado por Rishiraj Acharya (AI/ML GDE) en colaboración con TFUG Kolkata, este concurso asigna a los participantes la tarea de predecir el estado de tabaquismo utilizando modelos de aprendizaje automático de señales biológicas.
Organizado por Anas Lahdhiri en el marco de MLAct, este desafío exige el desarrollo de un modelo de clasificación para diferenciar entre medusas y contaminación plástica en las imágenes del océano.
- Detectar alucinaciones en LLM
Luca Massaron (AI/ML GDE) presenta un desafío único al identificar alucinaciones en las respuestas proporcionadas por un modelo de instrucción Mistral 7B.
Anushka Raj, junto con TFUG Hajipur, busca soluciones de aprendizaje automático para mitigar el desperdicio de alimentos, una preocupación crítica en el mundo actual.
Organizada por Ankit Kumar Verma y TFUG Prayagraj, esta competencia implica predecir el porcentaje de grasa corporal en hombres utilizando métodos de regresión múltiple.
Ayush Morbar de Offbeats Byte Labs invita a los participantes a construir un modelo de regresión para predecir la edad de los cangrejos.
TFUG Nashik desafía a los participantes a pronosticar las condiciones climáticas en Nashik, India, aprovechando técnicas de aprendizaje automático.
- Predicción de daños por terremotos
Usha Rengaraju presenta la tarea de predecir el nivel de daño a los edificios causado por los terremotos, basándose en varios factores.
- Pronóstico del tiempo en Bangladesh
TFUG Bangladesh (Dhaka) tiene como objetivo predecir las precipitaciones, la temperatura media y los días de lluvia para un día concreto en Bangladesh.
- Desafío de predicción de emisiones de CO2
Md Shahriar Azad Evan y Shuvro Pal de TFUG Bengala del Norte buscan predecir las emisiones de CO2 per cápita para 2030 utilizando indicadores de desarrollo global.
Kuan Hoong (AI/ML GDE) desafía a los participantes a predecir el estado de aprobación de préstamos, abordando un aspecto crucial de la inclusión financiera.
Ashwin Raj y BeyondML encargan a los participantes predecir la puntuación de habitabilidad de las propiedades y promover el desarrollo urbano sostenible.
- Detección de lenguaje tóxico (PTBR)
Presentado en portugués brasileño, este desafío de Mikaeri Ohana, Pedro Gengo y Vinicius F. Caridá (AI/ML GDE) consiste en clasificar tweets tóxicos.
- Mejorar la respuesta a desastres
Yara Armel Desire de TFUG Abidjan invita a los participantes a predecir las contribuciones de ayuda humanitaria en respuesta a desastres en todo el mundo.
Kartikey Rawat de TFUG Durg pide el desarrollo de modelos predictivos para estimar la densidad del tráfico en las zonas urbanas.
- Conozca la opinión de sus clientes
TFUG Surabaya presenta el desafío de clasificar las opiniones de los clientes en categorías de escala Likert.
- Predicción del tiempo en la India
Mohammed Moinuddin y TFUG Hyderabad encomendaron a los participantes la tarea de predecir temperaturas para meses específicos en la India.
Organizado por TFUG Bhopal, este concurso implica el desarrollo de modelos de clasificación para predecir la malignidad de los tumores.
- Generador de descripciones de puestos impulsado por IA
Akaash Tripathi de TFUG Ghaziabad desafía a los participantes a construir un sistema que genere automáticamente descripciones de puestos utilizando IA generativa y una interfaz de chatbot.
- Traducción automática francés-wolof
GalsenAI presenta el desafío de traducir con precisión oraciones del francés al wolof, ofreciendo una plataforma para mejorar las capacidades de traducción de idiomas.
- Mapeo del agua mediante imágenes satelitales
Taha Bouhsine de ML Nomads encarga a los participantes la tarea de mapear el agua utilizando imágenes satelitales para detectar sequías en represas.
Google apoya a cada comunidad anfitriona de esta ronda a través de su Google para desarrolladores programa.
Se anima a los participantes a buscar “ML Olympiad” en Kagglesigue #MLOlympiad en las redes sociales y participa en las competiciones que más les interesen.
Con una gama tan diversa de desafíos de aprendizaje automático del mundo real, la Olimpíada de ML representa una excelente oportunidad para que los desarrolladores pongan a prueba sus habilidades y obtengan una experiencia valiosa.
(Crédito de la imagen: Google)
Ver también: Microsoft: China planea perturbar las elecciones con desinformación generada por IA
¿Quiere aprender más sobre IA y big data de la mano de los líderes de la industria? Verificar Exposición de IA y Big Data que tendrá lugar en Ámsterdam, California y Londres. El evento integral comparte ubicación con otros eventos importantes, incluidos bloquex, Semana de la Transformación Digitaly Exposición de seguridad cibernética y nube.
Explore otros próximos eventos y seminarios web de tecnología empresarial impulsados por TechForge aquí.
Fuente: ML Olympiad regresa con más de 20 desafíos