课前导读

1、课程介绍

赛题介绍：

本次竞赛的目标是简化教育内容与课程中特定主题的匹配过程。你将开发一个准确和高效的模型，该模型是在K-12教育材料库中训练出来的，这些材料被组织成各种主题分类法。这些材料使用不同的语言，涵盖广泛的主题，特别是STEM（科学、技术、工程和数学）

赛题框架：

pytorch, huggingface, faiss

适合人群：

对NLP有一定基础的同学

竞赛笔记

一、赛题分析+baseline

1、赛题链接

https://www.kaggle.com/competitions/learning-equality-curriculum-recommendations

2、赛题描述

通过对K12场景的数据分析和建模，帮助同学熟练使用bert等预训练语言模型，尤其在文本检索语义召回学习领域，带领大家输入了解和实战对比学习范式等新方法

※ 比赛时间线

December 15, 2022 - Start Date.

March 7, 2023 - Entry Deadline.

March 7, 2023 - Team Merger Deadline.

March 14, 2023 - Final Submission Deadline.

※ 丰厚的奖金

• 一等奖：12,000美元

• 二等奖：8,000美元

• 三等奖：5,000美元

• 四等奖：5,000美元

3、数据描述

本次比赛有3个数据源分别是content，topic，correlations， 分别存着content文本信息，topic的文本信息以及content和topic的匹配关系:

• content shape: (154047, 8)

• topic shape: (76972, 9)

• correlations shape: (61517, 2)

• content length 数据分布

• topic 数据分布

4、评价指标

5、构建训练数据

6、Baseline流程

7、赛题难点思考

如何在多语言场景下高效表征topic和content

8、无痛涨分Trick

awp，对抗训练，multi-dropout

新赛正在报名中

关注【学姐带你玩AI】公众号回复“ k12baseline”领取baseline代码。

添加小享报名本次比赛班👉关注【学姐带你玩AI】公众号回复“ k12baseline”