Kaggle比赛整理
传送门：https://www.kaggle.com/competitions点击打开链接
这里仅列出前50个比赛，全部的271个比赛word版下载地址：
正在进行的比赛
1、 Home Credit Default Risk
利用各种替代数据（包括电信和交易信息）预测客户的还款能力。
2、 TrackML Particle TrackingChallenge
CERN探测器中的高能物理粒子追踪。
比赛中，要构建一种算法，以快速重建硅探测器中剩余三维点的粒子轨迹。
3、 The 2nd YouTube-8M VideoUnderstanding Challenge
创建一个约束大小的模型来预测视频标签。
对于每个视频，您将提交预测标签列表及其相应的置信度分数。
4、 Avito Demand PredictionChallenge
预测在线分类广告的需求。可利用信息：广告的标题、描述、图片、广告发布的位置、相似广告的历史需求。
5、 House Prices: AdvancedRegression Techniques
利用回归技术预测房价。
6、 Digit Recognizer
识别手写数字。数据：MNIST数据集。
分类方法：简单的神经网络，SVM，K-nearest neighbors
7、 Titanic: Machine Learning fromDisaster
预测泰坦尼克号上每个乘客是否会存活下来。
测试集：包含乘客的性别，年龄、乘登港口、是否存活下来等。
8、 ImageNet Object DetectionChallenge
识别并标记图像中的日常物体。
目标：构建一个算法，能够识别和标记超过200个类别的图像的目标。
比赛概述：
图像中所有类别的边界框已被标记。“数据”选项卡上提供了200种类别的对象。这些类别是从各种因素中选择的，包括对象实例的平均数量，图像混乱以及其他几种。
训练集包含超过475k的对象，用于从超过450k的图像中进行分类。测试集包括40k图像。
已经使用场景级查询从Flickr和其他搜索引擎收集图像。平均图像尺寸是482x415像素。
9、 ImageNet Object LocalizationChallenge。
目标：要识别图像中的所有对象，然后可以对这些图像进行分类和注释。进一步提高准确度
技术背景：2010年至2014年间，图像分类误差（从28.2％降至6.7％）降低了4.2倍，定位误差降低了1.7倍（从42.5％降至25.3％）。
概述：
验证和测试数据包含150k张图片，有1000个对象类别。1000个对象类别包含ImageNet的内部节点和叶节点，但不相互重叠。
评估标准：
每张图片的误差可定义为：e=〖min〗_i (〖min〗_j (max(d_ij,f_ij ) ))
每张图片的最小误差为0或者1。总误差是计算测试集中所有图片最小误差的平均值。
10、 Predict Future Sales
预测下个月每个产品和商店的总销售额。
11、 Freesound General-Purpose AudioTagging Challenge
Freesound通用音频标签挑战。
建立通用自动音频标签系统，能够自动识别出声音来自哪里。
12、 Humpback Whale IdentificationChallenge
识别图像中的鲸鱼种类。
数据集包含25k张图像
评估标准：
MAP@5，每张图片最多预测5个标签。
13、 ImageNet Object Detection fromVideo Challenge
要求在30类物体的各种视频剪辑中识别和标记静态图像。
已结束的比赛
1、CVPR 2018 WAD Video Segmentation Challenge
将车辆拍摄的图像帧中的每个物体进行分割。
2、iNaturalist Challenge at FGVC5
长尾物种分类。
iNat Challenge 2018数据集包含8,000多种物种，450k张图像。
评估：每张图片可以预测3个类别标签。击中误差为0，否则误差为1。
3、iMaterialist Challenge (Fashion) at FGVC5
根据图片识别出时尚产品所属类别。
评估：使用Mean F1 得分。
4、iMaterialist Challenge (Furniture) at FGVC5
家具和家居用品的图像分类。
每张图片只能预测一个类别。
5、Google Landmark Retrieval Challenge
给定一幅图像，你能找到数据集中所有相同的地标吗？
一个图像检索问题
评估：MAP@100
6、Google Landmark Recognition Challenge
预测图像中包含的地标，并给出置信度。
要求：最多只能预测一个地标，图像中可能无地标。
7、TalkingData AdTracking Fraud Detection Challenge
检测移动应用广告的欺诈性点击流量
8、DonorsChoose.org Application Screening
预测教师的项目建议是否被接受
9、2018 Data Science Bowl
在不同的图像中自动识别细胞核
10、Google Cloud & NCAA® ML Competition 2018-Men's
预测篮球锦标赛每两支队伍比赛结果。
11、Google Cloud & NCAA® ML Competition 2018-Women's
12、Toxic Comment Classification Challenge
识别和分类有毒的在线评论。
有毒：威胁，淫秽，侮辱和身份仇恨等不同类型的毒性。
13、Plant SeedlingsClassification
从图像中确定植物幼苗的种类。
Dog BreedIdentification
确定狗的品种。
要求：对于每个图像，必须预测每个不同品种的概率。
Mercari Price Suggestion Challenge
预测在线商品价格。
14、 Nomad2018 PredictingTransparent Conductors
预测新型透明半导体的关键性能
IEEE's Signal Processing Society - CameraModel Identification
识别图像被拍摄的相机。
解决方案：通过使用本质上留在图像中的迹线来识别哪个相机模型捕获了图像。
15、 Recruit Restaurant VisitorForecasting
使用预订和访问数据来预测未来日期访问餐厅的总人数。
16、 Statoil/C-CORE IcebergClassifier Challenge
预测图像包含一个冰山的概率（介于0和1之间的数字）。
17、 TensorFlow Speech RecognitionChallenge
语音理解
18、 Corporación Favorita GrocerySales Forecasting
你能准确预测大型食品连锁店的销售情况吗？
19、 Santa Gift Matching Challenge
圣诞礼物匹配挑战
20、 Zillow Prize: Zillow’s HomeValue Prediction (Zestimate)
参与者将开发一种算法，对房屋的未来销售价格进行预测。
21、 WSDM - KKBox's Churn PredictionChallenge
你能预测用户何时会流失吗？
22、 WSDM - KKBox's MusicRecommendation Challenge
你能建立最好的音乐推荐系统吗？
23、 Spooky Author Identification
预测Edgar Allan Poe，Mary Shelley和HP Lovecraft的恐怖故事片段的作者。
要求：分别给出该故事片段属于每个作者的概率。
24、 Passenger Screening AlgorithmChallenge
预测17个身体区域中每个身体区域存在威胁的概率。
25、 Cdiscount’s ImageClassification Challenge
根据图像预测产品的类别。
26、 Porto Seguro’s Safe DriverPrediction
预测明年司机是否会提出保险索赔。
27、 Text Normalization Challenge -English Language
将英文文本从书面表达转换为口头形式
28、 Text Normalization Challenge -Russian Language
将俄文文本从书面表达转换为口头形式
29、 Web Traffic Time SeriesForecasting
预测维基百科页面的未来流量
30、 Personalized Medicine:Redefining Cancer Treatment
自动分类遗传变异。
要求：对于测试集中的每个ID，必须预测基因突变可以分类到的每个不同类别的概率。
31、 NIPS 2017: Non-targetedAdversarial Attack
非针对性攻击的目标是稍微修改源图像，使得图像将被一般未知的机器学习分类器错误地分类。
32、 NIPS 2017: Targeted Adversarial Attack
目标攻击的目标是稍微修改源图像，使得图像将被一般未知的机器学习分类器分类为指定的目标类别。
33、 NIPS 2017: Defense Against Adversarial Attack
防御的目标是构建机器学习分类器，该分类器对抗例子是强健的，即可以正确分类敌对图像。
34、 Carvana Image Masking Challenge
自动识别图像中汽车的边界。
要求：开发一种自动删除照相馆背景的算法。
35、 New York City Taxi TripDuration
预测纽约市出租车行程的总时间。
主要数据集是纽约市出租车和豪华轿车委员会发布的数据集，其中包括取件时间，地理坐标，乘客人数和其他几个变量。
36、 Invasive Species Monitoring
开发算法来更准确地识别森林和树叶的图像是否含有侵入性绣球。
要求：预测图像是否包含入侵物种的目标变量的概率
37、 Instacart Market BasketAnalysis
预测用户将再次购买哪些产品。
数据：购物者以前的交易数据。
38、 Planet: Understanding theAmazon from Space
使用卫星数据追踪亚马逊热带雨林的人类足迹。
对于测试集中列出的每个图像，预测您认为与图像关联的标签的空格分隔列表。有17种可能的标签：农业，artisinal_mine，bare_ground，开花，吹，明确，阴天，常规，种植，居住，阴霾，partially_cloudy，小学，道路，selective_logging，slash_burn，水。
39、 Mercedes-Benz GreenerManufacturing
使用代表不同排列的梅赛德斯 - 奔驰汽车功能的数据集来预测通过测试所需的时间。
40、 iNaturalist Challenge at FGVC2017
动植物分类。
iNatChallenge 2017数据集包含5,089个物种，数据集包含675,000张图像。
对于测试集中的每个图像，您必须预测5个类别标签。
41、 iMaterialist Challenge at FGVC 2017
根据图片对服装产品进行分类。
对于每个图像i和任务t，可能存在多个标签g，只要产生的标签与一个基本事实标签相同，那么预测就被认为是正确的。
42、 Sberbank Russian Housing Market
预测俄罗斯波动的经济体中的房地产价格波动
43、 NOAA Fisheries Steller Sea LionPopulation Count
准确计算航拍照片中海狮的数量。
44、 Intel & MobileODT CervicalCancer Screening
基于图像准确识别女性子宫颈类型的算法。
要求：对于每张图片，提交每个类型的概率。
45、 Quora Question Pairs
确定具有相同意图的问题对，分类问题对是否重复。
要求：预测问题重复的概率。
46、 Google Cloud & YouTube-8M VideoUnderstanding Challenge
视频理解，制作视频标签。
使用新的和改进的YT-8M V2数据集精确分配视频级标签。该数据集由超过700万YouTube视频（450,000小时的视频）创建，包含来自4716个class（平均3.4个标签/视频）的词汇视频标签。它还具有每秒钟视频中预先提取的音频和视频功能（总共3.2B个特征向量）。
要求：对于每个视频，预测标签列表及其相应的置信度分数。
47、 Two Sigma Connect: RentalListing Inquiries
48、 The Nature ConservancyFisheries Monitoring
自动检测和分类渔船捕获的金枪鱼，鲨鱼等物种。
数据集：视频。
要求：8个类别，并给出8个类别的概率。
49、 Data Science Bowl 2017
竞赛的任务是创建一个自动化的方法，能够确定患者是否会在扫描日期的一年内被诊断为肺癌。ground truth标签通过病理诊断得到确认。
要求：对于每张图片，要提交1年内被诊断为肺癌的概率。
50、 March Machine Learning Mania2017
美国男子大学篮球联赛，预测那个团队能够获胜。