2021 DIGIX GLOBAL AI CHALLENGE

305.000 US-Dollar an Preisen für talentierte KI-Innovatoren

SHENZHEN, China, 17. Juni 2021 /PRNewswire/ -- Die DIGIX GLOBAL AI CHALLENGE 2021 wurde am 10. Juni gemeinsam von der Jiangsu Association of Artificial Intelligence (JSAI), der Huawei Consumer Cloud Service Dept und dem Huawei Nanjing Research Center in Peking gestartet. Bei der Eröffnungsfeier hielt Liu Dongfang, Direktor der Open Platform Business Dept, Cloud Service, Huawei Consumer Business Group, eine Grundsatzrede. Zhi-Hua Zhou, Professor an der Nanjing University, ACM/AAAI/IEEE Fellow, sprach per Videolink und lud die Algorithmus-Enthusiasten unter den Studenten ein, ihre Talente bei dem Wettbewerb zu präsentieren.

Seit ihrem Debüt im Jahr 2019 hat die DIGIX GLOBAL AI CHALLENGE ein breites Interesse von studentischen Algorithmus-Enthusiasten und Industrieexperten gleichermaßen geweckt. Die Vorschläge des Wettbewerbs, die die neuesten KI-Theorien und Geschäftspraktiken kapseln, haben eine wachsende Zahl von Teilnehmern angezogen. Teilnehmer, die ihre Fähigkeiten auf die Probe stellen möchten, können sich auf der HUAWEI Developers -Webseite anmelden.

Mehr Vorschläge, welche die Vorstellungskraft anregen

Die diesjährige DIGIX GLOBAL AI CHALLENGE kommt mit mehr herausfordernden Vorschlägen als je zuvor. Die fünf Vorschläge, die sich mit der Vorhersage des Verbleibs von Benutzern während verschiedener Zeiträume auf der Grundlage mehrerer Ziele und Ansichten, der Bewertung der Qualität von Artikeln auf der Grundlage von Multi-Modell-Transfer-Lernen, Videoempfehlungen auf der Grundlage von Mehrziel-Optimierung, Such-Rankings in multimodalen und mehrsprachigen Kontexten und Menü-Identifikation auf der Grundlage von Wenig-Lern-Modellen befassen, zielen alle darauf ab, seit langem bestehende Herausforderungen der realen Welt zu lösen.

Der erste Vorschlag, die Vorhersage der Benutzerbindung während verschiedener Zeiträume auf der Grundlage mehrerer Ziele und Ansichten, konzentriert sich auf Methoden zur Verbesserung der mehrtägigen Benutzerbindung durch benutzerinformationsbasierte Verhaltenskettenvektorisierung, die für die Erforschung von maschinellen Lernmodellen der nächsten Generation und multimodaler Vektorisierung entscheidend ist.

Der nächste Vorschlag - die Bewertung der Artikelqualität auf der Basis von Multi-Modell-Transfer-Learning - setzt an der Wurzel des Feldes der Datenzufuhr an. Es ist allgemein anerkannt, dass genaue Modelle zur Bewertung der Artikelqualität, sobald sie verfügbar sind, technologische Innovationen und Durchbrüche im Bereich der Verarbeitung natürlicher Sprache (NLP) sowie die Entwicklung von NLP-Algorithmen vorantreiben werden.