“中国好创意”全国校园推广宣传-V3.ppt

中国计算机学会 全青年大数据创新大赛 中国好创意 目录 1 2 3 4 大赛背景 赛事介绍 往届大赛回顾 参赛技巧 中国好创意 大赛背景 By2018 theU S alonemayfacea50percentto60percentgapbetweensupplyandrequisitedemandofdeepanalytictalent McKinsey 古老智慧悬赏 众包现代思维 大赛背景 大赛背景 大赛背景 大赛背景 中国计算机学会 全青年大数据创新大赛 中国好创意 大赛背景 组委会介绍 承办单位 指导单位 战略合作 出题单位 主办单位 国家互联网信息办公室网络数据与技术局 中国计算机学会 CCF大数据专家委员会教育部易班发展中心北京数联众创科技有限公司 百度 中国联通 中国移动 阿里 海量 亚信数据 中科曙光 华大基因 略数据 中华网 清华大学 中关村大数据产业联盟 大赛背景 旨在通过大赛构建良好的资源共享平台 创造大数据的良性发展环境 促进大数据 互联网 与云计算等战略新兴产业的融合 促进大数据专业技术人才的培养 为国家输出有创新能力和实践能力的高端人才 推进 大众创业 万众创新 打造一个数据分享 数据管理 数据建模与数据分析的在线大数据云平台 汇聚企事业单位 政府机构和高校的大数据需求 大赛分为 大数据创新程序大赛 和 大数据创意应用大赛 吸引一群有志于大数据技术与研究的数据工作爱好者 通过 众包 模式 利用数据分析方法以及大数据创新创意应用原型系统分析数据价值 针对问题求解 海量数据 至高荣誉 百万奖金 权威专家 中国好创意 赛事介绍 赛事介绍 大赛类型 赛题提供所涉及的数据和明确的评价指标 制定在线评价程序 参赛团队通过大赛官方平台直接提交结果文件或提交程序代码 系统自动打分 在线排名 A B榜 赛题提供数据或参赛者自行获取数据和开放式问题 参赛团队自由设计创意应用 提供完整解决方案 例如 方案策划书 原型系统 应用程序 相关说明文档等 通过大赛官方平台提交解决方案包 专家线上打分 公布排行榜 大数据创新程序大赛 大数据创意应用大赛 赛事介绍 比赛规则 赛事介绍 比赛规则 算法类 应用类 排行榜 2015 2016 赛事介绍 主体赛程 赛事介绍 赛题简介 赛题提供所涉及的数据和明确的评价指标 制定在线评价程序 参赛团队通过大赛官方平台直接提交结果文件或提交程序代码 系统自动打分 在线排名 A B榜 赛题提供所涉及的数据和明确的评价指标 制定在线评价程序 参赛团队通过大赛官方平台直接提交结果文件或提交程序代码 系统自动打分 在线排名 A B榜 赛事介绍 赛题简介 本题提供了100万名随机用户在六个月内的广告曝光和点击日志 包括广告监测点数据 参赛者需要预测每个用户在下一周的时间内是否会在各监测点上发生点击行为 以提供指导广告主进行定向广告投放和优化的方向 本题依据历史票房数据 影评数据 舆情数据等互联网公众数据 从题材 内容 导演 演员 编辑 发行方等等影响电影票房的因素入手 借助大数据对电影市场进行分析 设计电影票房预测系统 指导电影制作 赛事介绍 赛题简介 本题根据行业诉求 要求参赛者以移动运营商记录的用户位置信息 以及相关的用户标签信息 性别 年龄 偏好等 数据为基础 基于用户位置信息 设想其应用场景 或分析利用位置信息如何创新现有的商业模式 本题要求参赛者利用运营商用户数据 构建算法模型 测试验证 形成可行的完整的互联网金融领域内的创意数据产品技术方案 可以是一个新的创意 也可以是现有问题 如个人征信评估 可贷额度估算 新的解决方法 赛事介绍 赛题简介 本题要求参赛者基于短信文本内容 结合机器学习算法 大数据分 析准确地 完整地识别出垃圾短信 正常短信 解决传统的基于策略 关键词等过滤手段 很多垃圾短信 逃脱 过滤到达手机终端的问题 本题基于当前语音交互方式这种更大 更灵活 方便的体验 要求参赛者针对听报告 语音对话 交互查询等这些语音直接沟通的语言表述进行分析 转换 查询获得最终结果反馈给使用者 赛事介绍 赛题简介 本题基于法律判决文书中包含的大量的涉案金额细项 要求参赛者提取文书中的费用类型以及具体的金额 判决书 法律术语 是指法院根据判决写成的文书 是法律界常用的一种应用写作文体 本题基于京东服装品类的50万商品主图以及对应的三级分类 要求参赛者根据商品图片 对图像进行计算处理 预测商品所属的三级分类 以达到通过提取京东商品图像特征 提供给推荐 广告等系统 提高推荐 广告的效果 赛事介绍 赛题简介 本题可抽象为字符串的匹配 查找问题 人的基因序列和细菌的序列可看做一组长的字符串 A 而待检测个体的数据是一个短字符串的集合 B 需要确定字符串集合B中的字符串能够同字符串集合A中哪些字符串匹配 精确的语义分析是大数据必备技术 在分析句子时 不同句式即使用类似的关键词 表达的含义和有很大差别 特别是在情感判断中 更需要精准判断关键词的作用 本题要求参赛者能够准确地推断出一个句子的句式 本题要求参赛者对提供的各级地址文本完整 准确地识别 通过对地址进行标准化的处理 使基于地址的多维度量化挖掘分析成为可能 为不同场景模式下的电子商务应用挖掘提供了更加丰富的方法和手段 赛事介绍 大赛导师 赛事介绍 大赛评委 中国好创意 往届大赛回顾 往届大赛回顾 2013年 4个企业 5道赛题 2014年 7个企业 7道赛题 关键词行业分类 百度 电信网络寻呼黑洞分析 中国移动 电信用户交往圈构建和特定类型用户识别 中国移动 用户购买行为的归因分析 秒针 基于出租车GPS轨迹的位置服务 数据堂 百度大数据创意应用 百度 用户浏览新闻的模式分析及个性化新闻推荐 百分点 系列危害公共安全事件的关联关系挖掘及预测 海量 基于人物的相关网络视频挖掘 中科云网 基于互联网大数据的日志类应用处理 南大通用 电商消费行为预测 思明 多媒体展示广告点击率预估 腾讯 往届大赛回顾 约1760人 660支 所有985高校大部分211高校10所境外高校 约2800人 888支 所有985高校大部分211高校3所境外高校46家企业或政府机构20多支自由组合队伍 总人数 队伍总数 队伍分布 总人数 队伍总数 队伍分布 2013年 2014年 境外高校 伦敦大学院 澳门科技大学 纽约州立大学Buffalo分校 卡耐基梅隆大学 佐治亚理工学院 香港大学 香港理工大学 香港科技大学 南洋理工大学 密苏里哥伦比亚大学 境外高校 麻省理工学院 乔治华盛顿大学 香港科技大学企业或政府机构 百度 京东 携程 新浪微博 西门子 神龙汽车 中国国防科技信息中心等 用户浏览新闻的模式分析及个性化新闻推荐 电信用户交往圈构建和特定类型用户识别 基于出租车GPS轨迹的位置服务 系列危害公共安全事件的关联关系挖掘及预测 往届大赛回顾 TOP5 百度大数据创意及应用 13 69 13 31 9 48 12 41 10 13 往届大赛回顾 往届大赛回顾 中国好创意 参赛技巧 参赛技巧 参赛技巧 评价函数影响其他两者 如果损失函数是最小绝对差 如果损失函数是最小方差 特定模型只对特定损失函数最优 参赛技巧 数据竞赛的目标 overspecializationwithoutoverfitting算法为数据而生实用性是次要的 但也有时候是主要因素 用可视化工具为数据画像 用可视化分析工具热身有anomaly outlier吗 有明显的规律吗 可以简化问题吗 了解领域知识数据科学家 分析技术 领域知识 数据直觉 参赛技巧 Publicdata 一般25 33 oftotaltestdata Publicleaderboard实时排行榜Privatedata 其余数据 forfinalscore 保证最精确 同时有足够泛化的model获胜Privateleaderboard决定最终名次有时候有三份数据如NetflixPrize training test quiz 参赛技巧 Kaggle可能已经有相似的竞赛Tutorial 得胜者经验之谈 如 参赛技巧 R Python SQL Java 选择最拿手的提交环境支持KaggleRTutorialonMachineLearning建立本地环境 参赛技巧 往往一些基础模型就很好到MOOC上好好温习一下基础 如https www coursera org learn machine learning特征工程 重中之重采用原始特征 利用领域知识选择goldenfeat