文章列表

7次KDD Cup&Kaggle冠军的经验分享:从多领域优化到AutoML框架

胡可
反馈快速,竞争激烈的算法比赛是算法从业者提升技术水平的重要方式,从若干行业核心问题抽象出的算法比赛具有很强的实际意义。本文结合笔者在7次Kaggle/KDD Cup中的冠军经验,对于多领域建模优化,AutoML技术框架,以及面对新问题如何分析建模三个方面进行了介绍。希望能够让读者收获比赛中的通用高效建模方法与问题理解思路。 阅读全文

ICLR 2021 | 美团AutoML论文:鲁棒的神经网络架构搜索 DARTS-

祥祥 晓星 张勃 晓林
谷歌 2017 年正式提出神经网络架构搜索用于自动化生成模型架构,这项技术即被业界寄予厚望,成为 AutoML 的核心组成部分。凭借日益增强的算力和持续迭代的 NAS 算法,视觉模型在架构层面诞生了像 EfficientNet、MobileNetV3 等影响力深远的系列模型,NAS 也应用到了视觉、NLP、语音等领域的很多方向。NAS 作为生成 AI 模型的 AI,其重要意义不言而喻。美团在 NAS 方向也开展了深入性的研究,并对该领域保持着积极的探索。 阅读全文