史上最年轻的Grandmaster是如何炼成的.doc

《史上最年轻的Grandmaster是如何炼成的.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、史上最年轻的Grandmaster是如何炼成的　　Kaggle刚刚诞生了史上最年轻的Grandmaster，今年17岁的英国高中生MikelBober-Irizar。他的学校并没有AI和机器学习相关课程，全部知识都是从网上自学而来。Kaggle成立8年，注册用户超过100万，现仅有122名Grandmaster，Mikel自学三年达此成就，后生可畏，但也鼓舞人心，只要你愿意，网络自学也能成为Kaggle顶级玩家。　　在AI和大数据圈的人，应该没有不知道Kaggle的，这是全球首屈一指的数据科学、机器学习竞赛和分享平台。去年被谷歌收购时还一度引发业界轰动。企业和研究

2、者可以在Kaggle平台发布数据、举行/参加竞赛，通过“众包”的形式产生最好的模型。现在注册用户数量超过100万。　　　　在KaggleCompetitions排行榜中，有一个头衔是众多用户都十分向往的，那就是“KaggleGrandmaster”，排名0.1‰的顶级高手。　　除了代表你参加过很多竞赛并且多次获得冠军，这个头衔在投简历找工作时也很具吸引力。同时，参加大企业举办的大型竞赛，还能获得奖金。　　刚刚，KaggleCTOBenHamner发表推文，祝贺来自英国的17岁男孩MikelBober-Irizar，成为史上最年轻的KaggleGrandmaster

3、：　　　　史上最年轻的Grandmaster是如何炼成的　　目前，Kaggle在全球范围内只有122位Grandmaster，目前排名第一的是一位8年前加入的用户。　　Mikel在122位Grandmaster中，排名第31，他用的时间是3年，更重要的是，他的AI和机器学习知识全靠搜索网络资料，自学而成。　　在Kaggle，要成为Grandmaster非常困难，该头衔是根据KaggleProgressionSystem来判定的。它是一套用户的等级排名系统，类似于在游戏中做任务，一路打怪、攒经验，换取累计积分，达到一定要求之后就可以升级。　　　　KaggleProg

4、ressionSystem的等级从低到高分别为：Novice、Contributor、Expert、Master和Grandmaster。　　Novice加入社区，注册即可达成。　　在上述基础上，还需达成：添加用户的简历、定位、职业、组织；SMS确认账户；运行一个script、实现一个完整的submission、评论一次以及投一次票，就可以成为Contributor。　　若用户已经在一个或多个专业类别中完成了大量关于Kaggle的工作，一旦达到某个类别的专家水平，该用户便可进入KaggleExpert排名。　　　　若能够达成以下成就，便可获得Master的等级头衔

5、：　　　　　　而最顶级的Grandmaster，需要达成如下目标，也就名副其实是某个专业领域中的“顶级大师”。　　　　可见，达成Grandmaster目标成就的要求门槛还是相当之高，那么我们来看看这位17岁神奇boy达成了怎么的成就：　　　　可以看到，MikelBober-Irizar小选手总共获得过6枚金牌，其中5枚团战金牌，1枚Solo金牌。　　　　不仅如此，这位小选手总共参加了57次竞赛，其中单人Solo共计47场（82%），团队比赛共计10场（18%）。可见MikelBober-Irizar是一个团战、单人多方面发展的强悍型种子选手。　　纵览KaggleC

6、ompetitions排行榜，许多Grandmaster的成就是要远高于这个英国小男孩儿的，有甚者金牌数量已经达到41枚之多。　　但重点在于，MikelBober-Irizar只有17岁，从资料中也可以看到，他于三年前加入Kaggle，也就是说，他开始玩儿编程、参加比赛是在14岁，甚至是更早！　　真可以说是“骨骼惊奇，万中无一的练武奇才”了！　　MikelBober-Irizar不仅天赋异禀，更重要的是勤奋也是异于常人。　　从上述的数据来看，三年来，小男孩儿平均每年参加比赛的次数为19场，工作量可以说是相当的充足。反过来看，当今很多大学生，一年是否能够达到这样的工

7、作量呢？　　而最近神奇少年们的新闻最近也是层出不穷：从18岁少年被谷歌录用、到12岁小女孩儿编写元胞自动机程序，现在Python都已经进入小学课程了。　　真的是长江后浪拍前浪，把“老人们”都拍在沙滩上啊！　　并未参加过任何正式AI课程，全靠自学成才　　在Mikel的LinkedIn主页上公开数据显示，MikelBober-Irizar就读于英国吉尔福德的皇家文理学校（RoyalGrammarSchool,Guildford），从高中时期起就开始活跃参与机器学习和自动驾驶技术的软硬件研发，曾在硅谷自动驾驶出租车企业Voyage任职，后在英国EduNow负责后端和服务

8、器开发。