日前，西交利物浦大學(xué)西浦創(chuàng)業(yè)家學(xué)院（太倉）的三名本科生在國際知名數(shù)據(jù)科學(xué)競賽平臺Kaggle上發(fā)布的大賽中獲得銀獎。王蘊澤、郁亞琪和朱佳媛三位大三學(xué)生均來自數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)，分別在“Optiver：已實現(xiàn)波動率預(yù)測”、“CommonLit：文章可讀性”以及“RSNA-MICCAI：腦瘤放射基因組學(xué)分類”大賽中排名前5%，獲得銀獎。

Kaggle是谷歌旗下的數(shù)據(jù)科學(xué)競賽平臺，在全世界范圍內(nèi)有超過 85 萬的數(shù)據(jù)科學(xué)家用戶。企業(yè)和研究者可以在平臺上發(fā)起比賽，發(fā)布問題和數(shù)據(jù)集，并為最優(yōu)模型及解決方案提供獎金。參賽者大多為一流高校的碩士生、博士生，以及數(shù)據(jù)分析、機器學(xué)習(xí)等相關(guān)領(lǐng)域的業(yè)內(nèi)人士；在有超過一千支團隊參賽的比賽中，前十名以及前0.2%的團隊為金獎，前5%為銀獎，前10%為銅獎。

王蘊澤參加的“Optiver：已實現(xiàn)波動率預(yù)測”比賽共有3852支團隊參賽，他和隊友在其中位列第30名，排名前0.8%。這個比賽題目由國際頂尖量化交易公司Optiver提出，希望參賽者可以通過提供的股票交易數(shù)據(jù)來預(yù)測股票的波動率，從而不斷改善金融市場。

王蘊澤在解決問題時嘗試了Catboost、RNN attention、Transformer 等模型，最后將結(jié)果進行融合。他表示，整個過程中最重要也最困難的部分在選擇模型之前的特征工程環(huán)節(jié)。“特征工程是指用一系列工程化的方式從原始數(shù)據(jù)中篩選出更好的數(shù)據(jù)特征，以提升模型的訓(xùn)練效果。”王蘊澤解釋說，“因為我對金融領(lǐng)域不夠了解，所以自學(xué)了很多股票、隨機過程、時間序列和統(tǒng)計方面的知識，這樣才能加深對數(shù)據(jù)集的理解。”

郁亞琪和隊友通過處理美國免費閱讀學(xué)習(xí)網(wǎng)站CommonLit提供的文本數(shù)據(jù)，對3-12年級課堂上閱讀文章的復(fù)雜性進行了評估。郁亞琪介紹，這個題目可選的模型很多，所以他們選擇了CLPR、RoBERTa、Mean Pooling等五個模型進行融合，其中基于官方RoBERTa預(yù)訓(xùn)練模型進行改進，分別使用Roberta-base 模型和Roberta-large 模型進行訓(xùn)練；同時保持了模型之間的差異性以有效降低過擬合風險，這樣最終得出的結(jié)果會更精確。

從開始接觸Kaggle至今的近兩年里，王蘊澤和郁亞琪分別獲得過三次銀獎和一次銅獎，以及兩次銀獎和一次銅獎；朱佳媛首次參賽就獲得了銀獎的好成績。

朱佳媛參與的比賽要用腦部的磁共振成像來訓(xùn)練和測試模型，從而預(yù)測膠質(zhì)母細胞瘤的遺傳亞型，以此判斷腦瘤患者是否需要手術(shù)，可以幫助患者減少侵入性診斷和治療。“這個比賽和我們專業(yè)的實際應(yīng)用是一樣的，都需要用數(shù)據(jù)科學(xué)知識去解決特定領(lǐng)域的問題。”朱佳媛說，“因此除了大數(shù)據(jù)技術(shù)之外，自學(xué)能力也是非常重要——你掌握的這個領(lǐng)域的知識越多，就越容易在數(shù)據(jù)預(yù)處理時找到合適的方法，從而獲得更快、更精準的計算結(jié)果。”

郁亞琪提到，數(shù)據(jù)科學(xué)領(lǐng)域中模型的更新是非常快的，所以不能滿足于課堂上的知識，要不斷去探索和學(xué)習(xí)、接觸新的東西。

西浦創(chuàng)業(yè)家學(xué)院（太倉）人工智能與先進計算學(xué)院院長Angelos Stefanidis教授表示：“學(xué)院一直致力于加強學(xué)術(shù)人員、學(xué)生、行業(yè)以及更廣泛社區(qū)之間的密切合作，以實現(xiàn)促進現(xiàn)代化、創(chuàng)業(yè)型、可持續(xù)社會發(fā)展的長期目標。同學(xué)們通過參賽，把數(shù)據(jù)科學(xué)知識應(yīng)用于解決實際產(chǎn)業(yè)問題中，這和我們學(xué)院的核心精神是一致的。”（記者：胡秋辰）

關(guān)鍵詞： 西交利物浦大學(xué) 整個過程中 機器學(xué)習(xí)