案例库 · 软件与 IT · 产品决策 · 2010–2020
Kaggle将机器学习问题转变为公开竞赛
组织发布数据问题和奖金;成千上万的数据科学家竞相构建最佳模型。
Kaggle
那一手
公司积累了想要转化为价值的数据,但数据科学家稀缺,组织难以获得人才。Kaggle.com提供了一种替代方案:公司主办机器学习竞赛,参与者为奖金而构建预测模型。
2020年HICSS研究通过十次专家访谈和从Kaggle抓取的数据,了解组织如何使用竞赛。研究发现实际益处——与参与者讨论并学习最先进的方法——但也指出竞赛只能涵盖典型数据科学项目中的一小部分任务。
研究确定了三大类中的12个因素,这些因素影响组织在主办数据科学竞赛时的感知成功,为众包何时优于招聘提供了框架。
为什么管用
- 众包群体远比任何内部团队更大、更多样化。
- 清晰的评估指标让组织客观比较模型。
- 竞赛让内部团队接触到最先进的方法。
- 主办成本是奖金,而非工资和人头。
值了多少通过竞赛众包模型聪明
可以搬走什么
如果专业知识稀缺且昂贵,购买解决方案而非人头:一个范围明确、有清晰指标的竞赛让众包完成工作,并在此过程中教会你的团队。
后来呢
Kaggle成为数据科学竞赛的参考市场,全球公司和研究人员用它来获取模型、基准方法和招聘人才,并在2017年被Google收购。
资料来源
- Crowdsourcing Data Science: A Qualitative Analysis of Organizations' Usage of Kaggle Competitions
- Crowdsourcing Data Science: A Qualitative Analysis of Organizations' Usage of Kaggle Competitions
- Kaggle Competitions
发现哪里写错了?告诉我们。