国外的一些人工智能大赛网站

 应公司要求需要对国外的人工大赛做一下调研，写的不好，多多海涵，只是提供一个平台，想在参加大赛的，提升自己的可以了解一下。

1.Kaggle(数据公司) 
网址：https://www.kaggle.com
简介：
	1)	是一个全球最大的数据建模和数据分析竞赛平台，
	2)	为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。
	3)	具备比赛多样、数据集全面、社群活跃的优势。
	4)	其他学科方向的学生和从业人员也提高自己使用算法解决问题的能  力。
	形式：
	1)	出题方给予的训练集建立模型，再利用测试集算出结果用来评比。
	2)	竞赛项目会显示剩余时间、参与的队伍数量以及奖金金额，实时更新选手排位。
	3)	在截止日期之前，可以自由加入竞赛，或者完善已经提交的方案。
	4)	问题并没有标准答案，只有无限逼近最优解。
领域：学习，互联网，球赛，数据挖掘，汽车驾驶，天气，交通等。
分类:
	1)	Getting Started比赛是最简单，最平易近人。
	2)	Featured是最有名的，难度较高，商业性质较强。
	3)	Research比赛更具实验性。
	4)	Playground比赛“有趣”。
排名机制:
	1)	参赛者每天最多提交5次测试集的预测结果。每一次提交都获得新排名。
	2)	将参赛者每次提交的结果取出25%-33%，并依照准确率进行临时排名。
	3)	结束时，参赛者可指定已提交的结果，Kaggle去除之前的，用剩余数据的准确率综合得到最终排名。 
	避免参赛模型的过拟合，保证评选出兼顾准确率和泛化能力的模型
奖励制度：
	1)	比赛奖金丰厚，前三名均可以获得奖金。
	2)	即使是第十名也能收获奖金。
	3)	获奖对象提交代码审核
	4)	邀请获奖队伍分享经验心得
2、KDD CUP(数据挖掘与知识发现竞赛)
网址：http://www.kdd.org/kdd-cup
简介：
	1)	目前是数据挖掘领域最有影响力的赛事。
	2)	面向企业界和学术界，云集世界数据挖掘界的顶尖专家、学者、工程师、学生等，提供了一个学术交流和研究成果展示的理想场所。 
	3)	历年的比赛题取自不同的挖掘领域，并都有很强的应用背景。
分类：（分别由不同厂家赞助）
	1)	常规机器学习竞赛（Regular Machine Learning Competition）
	2)	自动机器学习竞赛（Automated Machine Learning Competition）
	3)	强化学习竞赛（Reinforcement Learning Competition Track）
领域：学术，交通，语音，教学等。
奖励机制：奖金及证书，在国际会议上提交论文和技术报告。

3、Topcoder
网址：https://www.topcoder.com/
简介
	1)	比较经典的算法竞赛，在TopCoder上也出现机器学习方向的竞赛项目
	2)	每个月都有两到三次在线比赛，根据比结果对参赛者进行排名
	3)	参赛者自由选语言进行编程，在限定时间内完成三道题目，时间决定分数。
类别：
	      Coding Phase, Challenge Phase和System Test Phase。
	其中Challenge Phase，这部分是让参赛者设法找出其中错误其他参赛者错误代码。
赛程：比赛-评分-支酬。
领域：互联网，医疗，天气，城市交通，社交网络，产业，环境。
奖励机制：奖金。

4、Challenge Data
网址：https://challengedata.ens.fr/en/home
简介：
	1)	竞赛方向偏重监督、分类和回归问题
	2)	各类数据来自创业公司、创新公司、医疗中心、科学实验室，竞赛题
	3)	更注重实际应用。
领域：医疗，生活，能源，金融。
名称：
	通过预测玻璃形成液体的动力学原理来解决主要的物理问题，帮助ENGIE改进风力发电生产，Oze-Energies：通过统计学习预测能源消耗，名人脸部识别挑战，残留石油饱和度预测，交易索赔状态预测，金融市场的波动性预测。
5、crowd AI
网址：https://www.crowdai.org/
简介：
	1)	一个面向数据科学专家和爱好者的竞赛平台，
	2)	竞赛项目集中于几个特定问题，
	3)	接近现实应用的学术研究，且都是当前热点。
	4)	一些机器学习顶级会议会在crowdAI上发布官方赛题。
项目：
	1)	一个是用AI生成音乐，距离截止时间还有300天；
	2)	一个则是用机器学习修复缺失地图。
领域：医疗，语音，图像修复。
奖励机制：受邀在NIPS上发表论文、报销参会费用及参加瑞士EPFL机器学习费用


6、SQuAD
网址：https://rajpurkar.github.io/SQuAD-explorer/
简介：
	1)	是斯坦福大学发起的机器阅读理解领域的顶级赛事。。
	2)	一个大型阅读理解数据集，收录了来自维基百科的500多篇文章，以及答案为文章内容的10万个问题。
机制：各机构的NLP模型需要阅读文章并给出相关问题的标准答案，得出的答案以精确匹配和模糊匹配两个标准进行评分，再和人类水平对比。
领域：机器阅读理解。

7、Numer.ai（数字 AI）
网址：https://numer.ai/
简介：
	1)	是现在最有“钱途”的机器学习竞赛平台。
	2)	是一个可以向参赛者开放大量加密数据的竞赛。 
竞赛机制：
	参与者下载真实的金融数据数据，训练相应的机器学习模型，参与排名，Numerai将其整合为最终的交易策略，并投入到真实的市场中。根据预测在现实中表现，Numerai会以美元和虚拟货币的形式给出报酬。
领域：金融，互联网等。
奖励机制：每个星期发出总计6000美元的奖励。不只有前三名的选手才能获得奖金。只要符合一定的标准，也能获得或多或少的奖金。