自动机器学习第一次！KDD首次开办AutoML竞赛
一个人只能加入一个团队。
雷刚 发自 凹非寺
量子位 报道 | 公众号 QbitAI
KDD首次，也是自动机器学习的首次。
2019年国际数据挖掘顶级会议KDD (ACM SIGKDD CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING)，已正式公布了KDD Cup 2019三项重大比赛。
其中，首次引入的AutoML Competition挑战赛。
现在，数据集已放出，挑战赛已开赛，7月16日将开始评审，7月20日会宣布KDD Cup冠军。
第一名将获得15000美元奖金。
比赛详情
本次AutoML竞赛由第四范式和微软承办，参赛选手将利用时序关系数据，设计一个能够自主（无人为干预）实现监督学习的AutoML计算机程序。
该比赛将聚焦在二分类问题，且时序关系数据均来自实际业务场景。
根据大多数实际应用的时间属性，数据集按时间顺序划分为训练集和测试集。
训练集和测试集都由一个主表、一组相关表和一个关系图组成：
主表包含带有样本标记、部分特征和时序标签的实例，用于二分类。
相关表包含了主表中实例的重要辅助信息，可用于提高预测效果。相关表中的字段可能含有时间标签，意味着该表中的信息与时间有关。
不同表中数据之间的关系用关系图描述。需要注意的是，任何两个表（主表或相关表）都可以有一个关系，任何一对表最多只能有一个关系。
主办方保证训练集和测试集的关系图是相同的。
参赛者需要提交通过主表、相关表和关系图自动构建机器学习模型的AutoML方案。
一旦经过训练，模型将以测试主表（不包括样本标记）、相关表和关系图作为输入，并预测测试集的样本标记。参赛者提交的方案将在受限制的计算资源和时间内进行测试。
为了让参赛者能够更好的开发并评估方案，主办方提供了10个时序关系数据集，其中5个公共数据集，5个私有数据集。
数据集地址如下：
https://www.4paradigm.com/competition/kddcup2019#data
比赛流程
本次挑战赛分为Feedback（反馈）、Check（校验）、AutoML（盲测）3个阶段。
Feedback阶段，参赛者基于公开数据集设计并提交AutoML方案。
Check阶段，方案在参赛者无法看到效果的条件下，在私有数据集上进行测试，确保方案在下一阶段顺利运行。
AutoML阶段将测试方案在私有数据集上的性能，无需人为干预情况下完成训练和预测，最终按照AUC进行排名。
具体时间表为：
2019年4月1日：比赛开始，发布公共数据集。参与者可以开始提交代码并在排行榜上获得即时反馈信息。
2019年6月27日：Feedback阶段结束，Feedback阶段的代码自动迁移到Test阶段。
2019年7月7日：Check阶段结束，主办方开始代码验证。
2019年7月11日：提交报告的截止日期。
2019年7月16日：AutoML阶段结束，开始评审流程。
2019年7月20日：宣布KDD Cup冠军。
2019年8月4日：在KDD上举办颁奖仪式
奖金情况：
- 第一名：15000美元
- 第二名：10000美元
- 第三名：5000美元
- 第4-10名：每人500美元
报名资质
最后，再介绍下报名资质：
本次竞赛将在CodaLab竞赛平台上进行。
本次竞赛对所有感兴趣的研究人员、专家和学生完全开放，竞赛组委会成员及相关人员不得参赛。
参赛者可以由一人或多人组成的团队提交方案。
每个团队都需要指定领队，负责与组织者沟通。
一个人只能加入一个团队。
根据AutoML阶段的最终得分来选出比赛的胜利者。
若最终比分相同，则优先考虑解释性更好的方案。
每个参赛团队都必须提供描述其最终解决方案的简短报告（情况说明书）。
通过参加本次竞赛，您将授权组织者权利，对您提交的作品以进行评估和赛后研究。
所有参赛队伍必须在Check阶段两周前至少有一次成功的代码提交，否则视为无效队伍，不参与最终评测。
传送门：
https://www.4paradigm.com/competition/kddcup2019#data
- 马斯克把超声波雷达也扔掉了！特斯拉再度减配：8摄像头终极传感器方案面世2022-10-05
- iPhone在6人死亡车祸中自动求救，网友：功能很好，但千万别用上2022-10-04
- 渐进派破壁：西有特斯拉，东有毫末智行！用数据智能推动自动驾驶历史进城2022-09-21
- 独家 | 吉利控股集团拟收购图森控股亚太地区业务全部股份，价格暂未公布2022-08-19
相关阅读
高额奖池、院士评定，首届全球人工智能技术创新大赛开启征召
在赛题设置上，结合人工智能领域的技术发展，大赛设置医学影像报告异常检测、PANDA大场景多对象检测跟踪、小布助手对话短文本语义匹配三大赛题，邀请全球AI人才共同突破赛题中的关键技术瓶颈，推进下一代人工智能前瞻性研究发展。
