日前，西交利物浦大學西浦創業家學院（太倉）的三名本科生在國際知名數據科學競賽平臺Kaggle上發布的大賽中獲得銀獎。王蘊澤、郁亞琪和朱佳媛三位大三學生均來自數據科學與大數據技術專業，分別在“Optiver：已實現波動率預測”、“CommonLit：文章可讀性”以及“RSNA-MICCAI：腦瘤放射基因組學分類”大賽中排名前5%，獲得銀獎。

Kaggle是谷歌旗下的數據科學競賽平臺，在全世界范圍內有超過 85 萬的數據科學家用戶。企業和研究者可以在平臺上發起比賽，發布問題和數據集，并為最優模型及解決方案提供獎金。參賽者大多為一流高校的碩士生、博士生，以及數據分析、機器學習等相關領域的業內人士；在有超過一千支團隊參賽的比賽中，前十名以及前0.2%的團隊為金獎，前5%為銀獎，前10%為銅獎。

王蘊澤參加的“Optiver：已實現波動率預測”比賽共有3852支團隊參賽，他和隊友在其中位列第30名，排名前0.8%。這個比賽題目由國際頂尖量化交易公司Optiver提出，希望參賽者可以通過提供的股票交易數據來預測股票的波動率，從而不斷改善金融市場。

王蘊澤在解決問題時嘗試了Catboost、RNN attention、Transformer 等模型，最后將結果進行融合。他表示，整個過程中最重要也最困難的部分在選擇模型之前的特征工程環節。“特征工程是指用一系列工程化的方式從原始數據中篩選出更好的數據特征，以提升模型的訓練效果。”王蘊澤解釋說，“因為我對金融領域不夠了解，所以自學了很多股票、隨機過程、時間序列和統計方面的知識，這樣才能加深對數據集的理解。”

郁亞琪和隊友通過處理美國免費閱讀學習網站CommonLit提供的文本數據，對3-12年級課堂上閱讀文章的復雜性進行了評估。郁亞琪介紹，這個題目可選的模型很多，所以他們選擇了CLPR、RoBERTa、Mean Pooling等五個模型進行融合，其中基于官方RoBERTa預訓練模型進行改進，分別使用Roberta-base 模型和Roberta-large 模型進行訓練；同時保持了模型之間的差異性以有效降低過擬合風險，這樣最終得出的結果會更精確。

從開始接觸Kaggle至今的近兩年里，王蘊澤和郁亞琪分別獲得過三次銀獎和一次銅獎，以及兩次銀獎和一次銅獎；朱佳媛首次參賽就獲得了銀獎的好成績。

朱佳媛參與的比賽要用腦部的磁共振成像來訓練和測試模型，從而預測膠質母細胞瘤的遺傳亞型，以此判斷腦瘤患者是否需要手術，可以幫助患者減少侵入性診斷和治療。“這個比賽和我們專業的實際應用是一樣的，都需要用數據科學知識去解決特定領域的問題。”朱佳媛說，“因此除了大數據技術之外，自學能力也是非常重要——你掌握的這個領域的知識越多，就越容易在數據預處理時找到合適的方法，從而獲得更快、更精準的計算結果。”

郁亞琪提到，數據科學領域中模型的更新是非常快的，所以不能滿足于課堂上的知識，要不斷去探索和學習、接觸新的東西。

西浦創業家學院（太倉）人工智能與先進計算學院院長Angelos Stefanidis教授表示：“學院一直致力于加強學術人員、學生、行業以及更廣泛社區之間的密切合作，以實現促進現代化、創業型、可持續社會發展的長期目標。同學們通過參賽，把數據科學知識應用于解決實際產業問題中，這和我們學院的核心精神是一致的。”（記者：胡秋辰）

關鍵詞： 西交利物浦大學 整個過程中 機器學習