图机器学习赛事baseline来了！

Posted 2021-12-21 Datawhale

问世于80年前的的Fortran 编译器，如今依旧广泛应用于气象建模、流体力学、计算化学和其他需要复杂线性代数与强大计算能力的学科。也正因为发明了Fortran 编译器，Frances(Fran)Allen成为世界上第一位图灵奖女性得主。

从2015年引力波的发现到人类基因组计划，你都能从这些重大科学进展的背后发现一个共同的身影——计算技术。我们已经不能否认，现在许多领域的研究尤其是人工智能领域都基于高性能的计算来进行，这样的研究模式在各个学科中越来越趋于普遍。提供越来越先进的计算技术和工具，改变计算的面貌，也成了时代赋予拥有先进计算技术的科技企业、科研机构的使命。

9月15日，由中国计算机学会高性能计算专业委员会和中国信息通信研究院（以下简称中国信通院）指导， ACM中国高性能计算专家委员会（ACMSIGHPC）和云计算开源产业联盟联合主办，亚马逊云科技和腾讯云支持，阿里云、华为云、UCloud、天翼云等厂商参与的2021全球高性能云计算创新大赛（以下简称2021 MAXP大赛）正式启动。大赛以高性能云计算为主题，旨在进一步推动国内高性能计算的发展，并为参赛者提供了高达40万元的奖金池，还会提供实习机会和权威荣誉证书。

大赛官网：

https://www.biendata.xyz/competition/maxp_dgl/?source=dw1126

其中由亚马逊云科技支持的命题赛道，设计了当前AI领域火热的图机器学习的算法题目《基于DGL框架的图机器学习任务》。

DGL赛题使用的图数据来自国内领先的科技情报分析引擎AMiner中的论文引用数据。数据集包括约150万篇论文及其标题、引用关系，以及论文主题。数据集通过论文发表的年份进行分割：2017年及以前发表的论文作为测试集，2018年发表的论文作为验证集，2019-2021年的论文作为测试集。

DGL赛题Baseline详解

10月11日，biendata邀请到亚马逊云科技上海人工智能研究院张建博士为参赛选手讲解基于DGL的图机器学习题目以及DGL的相关介绍。在课程中张建博士还详细解析了赛题任务的基线模型。

模型开源地址：https://github.com/dglai/maxp_baseline_model

戳下方图片查看完整直播回顾：

交流群

扫码关注竞赛助手

进入大赛讨论群

ID：biendata02

点击 阅读原文 前往大赛官网