關於人工智慧比賽有哪些？
入手深度學習演算法並不久，一口氣學習了C++,python基礎，Keras，tensorflow框架，稍微看了下pytorch，Ros系統，但沒有能夠有實踐去加深理解運用，國內外近期有沒有哪些平臺適合去參賽的？計算機視覺，序列分析，預測，優化的都可
大雜燴
實時匯總了所有平臺的比賽信息，你值得關註：
其實關注這一個就夠了Data Science Competitions Deadlines?www.datascicamp.com天池
演算法大賽-天池大數據競賽-天池大賽-阿里雲天池?tianchi.aliyun.com
天池大數據競賽平臺，競賽類型包括有演算法大賽、創新應用大賽、程序設計大賽、新人賽等等，比賽課題場景非常廣泛。比較受工業圈的喜愛。承接比較大型的比賽，比如KDD比賽，賽題比較創新且賽程的競爭也異常激烈。活躍度非常高，目前平臺就有4個活躍的演算法比賽，平均每個賽事持續時間在2-3個月左右。
kaggle
Your Home for Data Science?www.kaggle.com
數據發掘和預測競賽的在線平臺，Kaggle一直致力於解決業界難題，因此也創造了一種全新的勞動力市場——不再以學歷和工作經驗作為唯一的人才評判標準，而是著眼於個人技能，為頂尖人才和公司之間搭建了一座橋樑。業界影響力最大的數據挖掘比賽平臺，賽程獎金豐厚，賽題也非常的豐富。活躍度非常高，目前平臺有14個正在活躍的比賽，平均每個賽事持續時間在2-3個月左右。
KDD
KDD 2019 | KDD Cup 2019?www.kdd.org
老牌數據挖掘比賽，由美國計算機協會(ACM)旗下數據挖掘分會舉辦的年度賽事，自1997年開始舉辦至今已有20年。作為一個老牌的數據挖掘競賽，無論在學術界還是工業界，大家對這項賽事的認可度都非常高。這也吸引了全球頂級的數據挖掘專家前來參與其中，競爭非常激烈。優勢為比賽認可度高，高手雲集、賽題新穎。競賽異常的激烈。2020賽事安排大約在3月之後8月之前，2019年是4月10日到7月15日三個月的時間。
CCF
CCF指定專業大數據及人工智慧競賽平臺-DataFountain?www.datafountain.cn
CCF指定專業大數據及人工智慧競賽平臺，此平檯面向全社會企業、科研機構、數據科學家等提供大數據及人工智慧競賽服務，面向數據科學領域用戶提供數據集下載和數據科學問答服務社區，比較受學術圈的喜愛。國內認可度較高的平臺，高手雲集且賽題新穎。活躍度非常高，目前平臺有4個項目活躍，演算法賽平均持續時間在6個月左右。
華為
華為大數據平臺?developer.huawei.com
以鼓勵開發者使用華為創新開放能力開發新應用、設計新產品。通過滾動推出AI、快服務、AR等一系列熱點競賽，在為開發者提供能力展示平臺的同時，助力開發者加速實現業務的全球化發展。與華為業務結合度較高，程序設計演算法設計等任務較多。活躍度尚可，但平臺上目前沒有與演算法相關的活躍賽事。
DC
DataCastle競賽?www.dcjingsai.com
數據科學競賽平臺;大數據競賽平臺。比賽課題廣泛，主要有識別失信企業、金融建模等。獎金豐厚，賽題多，場景廣，但大多數賽事持續時間長。活躍度非常高，上面有很多的賽事，但賽事週期相對較長，可能持續6-12個月。
京東
JDATA競賽列表頁?jdata.jd.com
京東旗下大數據競賽平臺，目前平臺上共有12個賽題，相對賽題數量不多，賽題場景主要有倉儲類物流規劃、圖像識別、機器學習預測、風險用戶識別等。獎金豐厚，但賽題多為與JD業務相關的場景，不夠豐富，且賽程不密集。目前平臺沒有活躍比賽，且平臺比賽人數也較少，後續相關比賽可能和大的一些平臺進行合作。
kesci
和鯨社區 - Kesci.com?www.kesci.com
數據分析和數據挖掘平臺，平臺上會承接一些數據挖掘比賽，但是比賽的質量不是很高，有些賽程竟然存在一些錯誤。是獎金少，規模小，影響力低。目前平臺沒有活躍的比賽，而且往屆的賽事比賽人數都較少。
百度
百度AI Studio - 一站式AI開發實訓平臺?aistudio.baidu.com
百度旗下數據挖掘大數據競賽平臺。比較多的賽題類型，但相對影響力較小。目前平臺活躍賽事有5個左右，但相應的報名人數不是很多，賽事週期一般在2個月左右。
DD
DrivenData?www.drivendata.org
DrivenData致力於數據科學和社會影響交叉領域的項目，包括國際發展、衛生、教育、研究和保護以及公共服務等領域。平臺項目數中規中矩，賽程更新也不算很快，相應的知名度尚可。目前平臺有7個正在活躍的賽事，賽事週期在3-6個月不等。
Challenge data?challengedata.ens.fr
crowdAI?www.crowdai.org
EvalAI: Evaluating state of the art in AI?evalai.cloudcv.org
Numerai?numer.ai
對沖基金數據挖掘大賽，目前首頁上只有這一個數據挖掘比賽，也被成為世界上最難的比賽。非常難，但獎金也異常的豐厚。
SIGNATE?signate.jpAI Challenger - 全球AI挑戰賽?challenger.ai
全球AI挑戰賽，是面向全球人工智慧人才的開源數據集和編程競賽平臺，致力於滿足AI人才成長對高質量豐富數據集的需求，推動AI在科研與商業領域結合來解決真實世界的問題。賽題比較有趣，且官網訪問比較友好。目前網站存在一些問題，很多頁面在維護中。
biendata?biendata.com工智能競賽學習平臺，會承接一些大型的數據挖掘大賽。有獎金，但獎金並不豐厚，比賽更新速度較快，比賽類型也較多，從難易程度上也有多種的不同難度的競賽。活躍度尚可，目前平臺有兩個活躍項目，項目平均持續時間在3個月左右。
百度點石?dianshi.baidu.com百度旗下面向企業提供服務的大數據平臺，會承接或自發組建一些比賽。
ATEC螞蟻開發者大賽?dc.cloud.alipay.com螞蟻金服旗下數據挖掘大賽平臺，會偶爾發布與自身業務相關的一些數據挖掘競賽。
2020海華AI挑戰賽（http://www.haihua.org.cn/active/show/id/2）
這個比賽是清華姚班舉辦的，姚期智院士會親自授獎。
生活垃圾分類是一項系統工程，也是一項長期艱巨的任務，現在全社會都在關注垃圾分類的話題，怎麼樣做到最簡潔的分類、最智能的分類，以及垃圾後運輸處理的全週期的升級管理是重中之重，更是最值得投入研究的領域。
基於此背景，中關村海華信息技術前沿研究院與清華大學交叉信息研究院聯合主辦，中關村科技園區海淀園管理委員會與北京市海淀區城市管理委員會作指導單位，華為NAIE雲服務提供一站式AI開發環境的「2020海華AI挑戰賽·垃圾分類」以垃圾圖片深度學習為基礎依據，賦能人工智慧去解決生活端的垃圾分類問題，通過挑戰賽的形式增加解決方案的「腦容量」，獲得更大範圍的人才，解決在生活端的垃圾分類問題，使生活更便利；更為未來在垃圾處理流程中其他環節能貢獻有價值的解決方式。
挑戰賽設計之初考慮到更大的覆蓋面，也肩負培育「AI年輕人」的成長，故大賽開設兩條平行賽道，分別為針對中學組基本演算法的單垃圾圖片識別，以及針對高校學生和技術人員的多垃圾圖片演算法識別。雙賽道共設獎金池叄拾萬元；旨在更大範圍的激發科技探索熱情，挖掘更具價值的演算法優化和創新。
感謝@小馬 的回答，在此基礎上進行了一些補充並發表在下面：
簡述國內外數據競賽平臺?zhuanlan.zhihu.com
我們都知道，目前國內外都有不少的數據挖掘競賽平臺，尤其是近幾年人工智慧的大火，也吸引了越來越多的人加入到數據競賽的行列，下面簡單說說。
Kaggle
全球最大最權威的數據競賽平臺，應該是沒有爭議的，無論是新人剛入門還是有一定經驗的選手相信都不會錯過，而且近幾年國內選手的成績也非常不錯。playground系列的新手項目對新手太友好了，當時一開始也是從房價預測比賽入的門。
特點：認可度高，開源氛圍濃厚，極度推薦。
Codalab
裡面集合了比較多科研學術會議類的比賽項目。
天池
國內「老大哥」，上面不止包含各種演算法競賽，還有程序設計大賽，比如每年都會舉行的中間件性能挑戰賽。社區也比較活躍，同時賽後基本都會公開答辯的錄像提供學習。但是近年來感覺影響力有所下降，同時要吐槽一下天池線上的平臺，參加完比賽後阿里雲還會一直扣費，同時在最近天池的答辯機制貌似被不少人所詬病。
新人推薦O2O優惠券，
@wepon
大佬的方案相信指導過不少人。
wepe/O2O-Coupon-Usage-Forecast?github.com
DataFountain
CCF大數據與計算智能大賽每年都會在上面舉行，而且由不同的高校或者企業出題，賽事題目比較前言有挑戰性，個人比較看好。
DC競賽
賽事也比較多，而且大多數偏傳統表格類型的比賽居多，有個不太好的印象是好幾個比賽的數據質量都不好，換榜如地震。
Kesci
相對比較年輕的競賽平臺，個人比較喜歡該平臺的線上lab，與jupyter notebook一樣，對平時使用jupyter notebook的人來說實在太友好了。賽事相對較少，目前上面有個高校大數據比賽每年都會舉行。
TBrain
臺灣的競賽平臺，一般領獎資格需要隊伍中具有中華民國國籍、或中華民國工作或學生簽證。國內單人solo的話估計不能拿獎。
FlyAI
新興平臺，形式與其他競賽平臺不太一樣，設置了獎金池被所有人瓜分，當然是有一定的條件的。
其他
- 百度點石
- AI Challenger - 全球AI挑戰賽
- JDATA智匯平臺
- BaiduAI競賽
- 日本SIGNATE競賽
- Driven Data
- CrowdANALYTIX
- InnoCentive
- TunedIT Challenges
- Analytics Vidhya
- crowdAI
- Data Science Challenges
最後
對於學生，個人挺建議多參加演算法競賽的，有助於提升自己的實踐能力以及找工作的機會。
過去一年裡，」瓜「也特別的多，但是對於個人而言，這些更多的是可能是作為茶餘飯後的談資，應該一笑而過，我們最主要的還是應該將注意力集中在自身身上，參加了某個比賽去思考自己究竟能從這次比賽中獲得什麼（當然錢很重要，hhh），以及最後獲取了什麼，是否有所成長，也許這纔是最重要的吧。
Competition
- kaggle數據科學競賽
- 阿里雲天池比賽
- AI Challenger
- 和鯨HeyWhale/科賽AI競賽平臺
- FlyAI競賽平臺
- BaiduAI競賽
- DC競賽
- DataFountain競賽
- 日本SIGNATE競賽
- Awesome-AI-competitions
- Driven Data
- CrowdANALYTIX
- InnoCentive
- TunedIT Challenges
- CodaLab
- Analytics Vidhya
- crowdAI
- Data Science Challenges
很多，國內國外都有。
舉幾個比較知名的吧。國內的有flyai，許多賽題針對的是初學者，也有很多比較難的，推薦學完理論知識拿這個去入手實踐是很好的。還有阿里的天池，這個主要是數據競賽，裡面比賽很多，內容也很豐富，關鍵是獎金也多 現在國內關於人工智慧的競賽基本每週都有，可以關注比賽的一些公眾號。
國外的主要是kaggle，一年舉辦一次。這個是最權威最知名的。一般論文提出的網路結構好多都是在這裡面的進行驗證訓練。有獎金而且也有許多練習賽，還有許多大牛提供的baseline，在discussion裡面，看點贊最高的baseline是怎麼實現的。剛開始打kaggle的時候要先看這些大牛的思路還有怎麼解決的，看多了就有自己的思維體繫了，以後打比賽就可以試著自己先實現下baseline。
參加這些比賽好處很多，把自己的理論知識應用到實踐，你會發現剛開始什麼都要查資料，百度什麼的，畢竟理論和實踐差距還是很大的。當你做的比賽多了之後，你會發現自己的邏輯思維能力，代碼能力都有一個質的飛躍！祝好～
FlyAI-AI競賽服務平臺(flyai.com)
高質量的數據集、多領域的開源項目案例
一鍵使用在線免費GPU計算資源
能力變現、競賽式項目實力打榜
最終解決了用戶學習AI的門檻過高問題：一般教程裏的代碼脫離實際，缺少算力，難以堅持。
發佈於 01-21繼續瀏覽內容
知乎發現更大的世界打開
Chrome繼續
Qiming Bao?北京大學信息技術高等研究院 研發工程師我覺得應該先想好自己打算往哪個方向發展，再決定下一步。
如果打算做研究，要多看數學原理，把基礎打好。
如果打算進工業界，多做項目，多參加實習，最好能理解模型的運行機制。參加競賽是一個輔助手段，可能每週末搞一下，不要只做競賽。推薦參加Kaggle，也可以鍛煉英文。
我覺得應該先想好自己打算往哪個方向發展，再決定下一步。
如果打算做研究，要多看數學原理，把基礎打好。
如果打算進工業界，多做項目，多參加實習，最好能理解模型的運行機制。參加競賽是一個輔助手段，可能每週末搞一下，不要只做競賽。推薦參加Kaggle，也可以鍛煉英文。
國外的kaggle，國內的「天池」都是很好的競賽平臺。
中國華錄杯大賽，據說已經連續舉辦了三屆
推薦閱讀：
