0
雷鋒網(wǎng) AI 研習社按：本文由 Anthony Goldbloom 發(fā)布于 Kaggle 官方 blog，本文先是總結(jié)了 Kaggle 在 2017 年里取得的巨大成就，然后對 2018 的新工作做了展望。雷鋒網(wǎng) AI 研習社對本文進行了編譯。Kaggler 們想知道將會發(fā)生哪些變化嗎？那就趕緊過來看看吧！
2017 年是 Kaggle 取得巨大發(fā)展的一年。這一年，除了加入 Google，我們還從一個主要關(guān)注機器學習競賽的社區(qū)，擴展成一個更廣泛的數(shù)據(jù)科學和機器學習平臺。今年，我們的公開數(shù)據(jù)集的下載量和 Kaggle Kernels 上的用戶數(shù)都增長了 3 倍，這意味著我們現(xiàn)在擁有了一個蓬勃發(fā)展的數(shù)據(jù)存儲庫，并構(gòu)建了一個良好的代碼共享環(huán)境。
為了讓社區(qū)成員們對 Kaggle 的這些變化有更好的了解，我們決定分享我們主要的活動指標（Activity metrics）以及與這些指標有關(guān)的一些分析。不僅如此，我們還將分享一些 2018 年的規(guī)劃。
活躍用戶從 2016 年的 47.1 萬增長到了今年的 89.5 萬（見圖1）。因此在 2017 年，活躍用戶取得了高達 90% 的增長，而在 2016 年這一增長率為 71%。
雖然我們當前仍然以機器學習競賽而聞名，但我們的公開數(shù)據(jù)集平臺和 Kaggle Kernels 將在 2018 年初成為 Kaggle 更大的推動力。
圖1. 活躍用戶增長情況
我們在 2017 年發(fā)起了 41 項機器學習競賽，高于去年的 33 項。
其中還有 3 項競賽的獎金超過 100 萬美元：
在「從身體的掃描圖中識別出是否攜帶危險物品」競賽中，TSA 贊助 150 萬美元
在「預測房價」競賽中，Zillow 贊助 120 萬美元
在「通過 CT 掃描圖診斷出是否患有肺癌」競賽中，NIH 與 Booz Allen 贊助 100 萬美元
我們同時也增加了對學術(shù)界的投入，比如幫助 NIPS 和 CVPR 研討會舉辦了一些重要的研究競賽。其中的亮點包括一系列對抗學習（Adversarial learning）挑戰(zhàn)賽和 YouTube 8M 挑戰(zhàn)賽。此外，Kaggle 現(xiàn)在也正式托管了 ImageNet。
Kaggle inClass 則允許教授免費舉辦面向?qū)W生的比賽，它已經(jīng)成為一個完全自助服務的平臺并且取得了很好的發(fā)展。2017 年，共有 1217 個機器學習和統(tǒng)計班級在 Kaggle inClass 上舉辦了競賽，相比起 2016 年的 661 個有所提高（增長率 84%）。
在社區(qū)方面，37.5 萬名用戶下載了競賽數(shù)據(jù)集，同比去年增長 62%。而且，有 12.2 萬名用戶參加了我們的機器學習競賽，同比去年增長了 54%。
我們的公開數(shù)據(jù)集平臺允許我們的社區(qū)成員在公共數(shù)據(jù)集上進行共享和協(xié)作。2017 年有 7044 個數(shù)據(jù)集被上傳到平臺上，而 2016 則有 495 個數(shù)據(jù)集被上傳。2017年所上傳的最受歡迎的數(shù)據(jù)集有：
2017 年，我們公開數(shù)據(jù)集平臺上的數(shù)據(jù)集下載量增長了 3 倍以上，達到了 33.9 萬次，而 2016 年則為 10.7 萬次。這種增長意味著公開數(shù)據(jù)集平臺正在推動數(shù)據(jù)的下載量。我們在 2016 年發(fā)布公開數(shù)據(jù)集平臺，而競賽平臺則是 2010 發(fā)布的。
圖2. 公共數(shù)據(jù)集平臺的下載量 vs. 競賽平臺下載量
Kaggle Kernels 目前用于在競賽和公開數(shù)據(jù)集平臺上共享代碼和模型。在 2017 年，Kaggle 之心的用戶數(shù)量達到了 11.3 萬，相比起 2016 年的 3.9 萬增長了將近 3 倍。Kernel 創(chuàng)作（Kernel authoring）正迅速變得和參加競賽一樣受歡迎（見圖3）。
圖3. 核心作者 vs 競賽報名者
今年最受歡迎的幾個開源 Kernel 是：
針對 2017 年數(shù)據(jù)科學杯賽（Data Science Bowl）——從 CT 掃描圖中檢測肺癌而編寫的圖像預處理教程
使用 Python 實現(xiàn)模型的堆疊和嵌入教程
我們發(fā)起了有史以來規(guī)模最大的數(shù)據(jù)科學家和機器學習者的調(diào)查研究。共有 16716 名受訪者，最終產(chǎn)生 235 個探索數(shù)據(jù)集的公開 kernel。大家可以在 FT 和 Verge上看到該項調(diào)查的最全面報告。
總的來說，今年我們在新聞界產(chǎn)生了很多話題，包括 Kaggle 被收購（Techcrunch）的報道，對幾個社區(qū)精英成員（Wired 和 Mashable）的報道，NIPS 對抗學習挑戰(zhàn)賽（MIT Tech Review），TSA 競賽（NYTimes）和 Zillow 競賽（NYTimes）。
值得強調(diào)的是，社區(qū)的活躍有助于加強我們的活動。我們已知的線下 Kaggle 聚會小組就有 50 多個，這些小組都由 Kaggle 社區(qū)成員自發(fā)組織形成，從普林斯頓到巴黎。大家會在聚會上討論我們的比賽和數(shù)據(jù)集。今年，一些 Kaggle 精英成員還在 Coursera 上發(fā)起了“如何贏得 Kaggle 競賽”的課程。還有一群社區(qū)成員設立了一個“Kaggle slack”頻道來討論 Kaggle 比賽和數(shù)據(jù)集，它目前已經(jīng)擁有超過 3300 名成員。
Kaggle 從機器學習競賽開始，到現(xiàn)今已經(jīng)擴展出了一個公開數(shù)據(jù)集平臺和 Kaggle Kernels。而我們的終極理想是將 Kaggle 打造成一個適合于科學研究的場所——所有 Kagglers 都可以進行數(shù)據(jù)科學和機器學習的相關(guān)研究。2018 年，我們將專注于改進所有的核心產(chǎn)品（競賽、公開數(shù)據(jù)集平臺和 Kaggle Kernels），并為我們的平臺添加新的教育資源。
目前競賽平臺處于一個很好的發(fā)展狀態(tài)。但是我們不能自滿，要不斷創(chuàng)新。在 2018 年，我們計劃開始支持新的競賽類型，以確保 Kaggle 競賽能支持機器學習和 AI 的前沿問題。要做到這一點，我們需要致力于實現(xiàn)代碼競賽支持（Code-only competitions，指的是 Kagglers 在比賽中需要上傳代碼而不僅僅是結(jié)果的數(shù)據(jù)文件）。這將使得我們能夠舉辦全新類型的競賽，包括像強化學習競賽和計算資源受限的競賽。
在 2018 年，我們希望公開數(shù)據(jù)集平臺能取得和我們的機器學習競賽一樣的名氣。為此，我們需要繼續(xù)增加 Kaggle 上高質(zhì)量數(shù)據(jù)集的數(shù)量。我們打算使用一系列強大的新功能來做到這一點。我們正在計劃整合和添加新服務，使得我們的社區(qū)能夠通過與 BigQuery 這樣的數(shù)據(jù)倉庫進行集成以處理更大的數(shù)據(jù)集。并建立允許 Kagglers 在實時數(shù)據(jù)集中流式傳輸?shù)墓δ?，而不僅僅是上傳靜態(tài)數(shù)據(jù)集。
Kaggle Kernels 目前最大的用處在于模型共享、競賽和公共數(shù)據(jù)集平臺的數(shù)據(jù)集分析。在 2018 年，我們想讓 Kaggle Kernels 成為一個強大的獨立產(chǎn)品，這包括使得 Kagglers 能夠在私有的數(shù)據(jù)集上使用，支持訪問 GPU 集群和更加復雜的管道操作。
許多用戶來 Kaggle 開啟他們的數(shù)據(jù)科學事業(yè)，并提高他們的學習興趣。為了更好地支持這一塊，我們在 https://www.kaggle.com/learn 上推出了機器學習實踐課程平臺。我們希望它能成為用戶們開始創(chuàng)建高度精確的機器學習模型，并掌握他們所需技能的最便捷途徑，以助力他們開啟自己的第一份數(shù)據(jù)科學工作。
Via blog.kaggle.com，雷鋒網(wǎng) AI 研習社編譯。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
