在《新一代人工智能发展规划》中，开源开放确立为AI发展的四大原则之一。目前，随着AI开源基础设施的逐渐成熟，开发者如何参与开源，如何持续成长，如何为AI生态贡献力量是个重要的议题。
9月3日，AI开源学习与开发者生态论坛将在线上举办。
活动由世界人工智能大会组委会办公室指导，上海市人工智能行业协会主办，Datawhale发起并承办。
欢迎扫码报名
本次活动秉承“从学习者中来，到学习者中去”的理念，邀请了开源学习社区中的贡献者，以亲历者的身份分享开发者如何从0到1参与开源学习，持续成长的干货经验。我们《机器学习算法竞赛实战》一书的作者王贺就将作为嘉宾进行以“开源分享，竞赛成长”为主题的分享！
简介：王贺，Datawhale成员，competition-baseline项目核心贡献者，金融量化策略研究员， 2019和2020年连续两年荣获腾讯广告算法大赛冠军， 国内外算法竞赛五冠六亚的竞赛大神，出版著作 《机器学习算法竞赛实战》。
本书以算法竞赛为引导，给出了采用机器学习解决实际问题的主要过程，从问题建模、数据探索、特征工程、到模型训练和模型融合，并分别列举了这个过程中的主要难点要点、通用思路和解决方法。在后续章节中，以实际的竞赛题目为落脚点，阐述和佐证如何通过问题剖析、数据治理、融合探索等方法论，使得算法逐步发挥其重要作用。
对于本书的章节架构，我们除了进行仔细的讨论外，还采纳了国内多名顶尖竞赛选手的建议。算法竞赛本身涵盖的范围是很大的，我们的理念是剖析其最本质的内容，然后结合多个领域模块进行实战讲解，这也是本书的一大特色。
本书分为以下四个部分：
这部分以算法竞赛的通用化流程为主，介绍竞赛中各个部分的核心内容和具体工作，且每章都配有具体的实战部分，以便加深理解。
这部分主要介绍用户画像相关的问题，构建完善的标签体系是用户画像的核心，也是解决用户画像类赛题的关键，比如个性化推荐和金融风控等问题都需要用户画像作为支撑。为了帮助读者加快对此类竞赛问题的学习、理解，会讲解具体的竞赛案例，即Kaggle平台的Elo Merchant Category Recommendation。
这部分以时间序列预测问题为主，先讲述这类问题的常见解题思路和技巧，然后分析两个具体的实战案例，分别是天池平台的全球城市计算AI挑战赛和Kaggle平台的Corporación Favorita Grocery Sales Forecasting。
与计算广告相关的业务都是很好的竞赛题目，这部分主要介绍了计算广告的核心技术和业务，包括广告召回、广告排序和广告竞价。实战案例部分则包括两道赛题，分别是2018腾讯广告算法大赛——相似人群拓展和Kaggle平台的TalkingData AdTracking Fraud Detection Challenge。
这部分基于自然语言处理相关的内容进行讲解，包括常见任务和常见技术，实战案例部分是Kaggle平台上的经典竞赛Quora Question Pairs。
本书是算法竞赛领域第一本系统性介绍竞赛的书籍，不仅包含竞赛的基本理论知识，还结合多个方向和案例详细阐述了竞赛中的上分思路和技巧。
