Kaggle剛剛誕生了史上最年輕的Grandmaster，今年17歲的英國高中生Mikel Bober-Irizar。他的學(xué)校并沒有AI和機(jī)器學(xué)習(xí)相關(guān)課程，全部知識都是從網(wǎng)上自學(xué)而來。Kaggle成立8年，注冊用戶超過100萬，現(xiàn)僅有122名Grandmaster，Mikel自學(xué)三年達(dá)此成就，后生可畏，但也鼓舞人心，只要你愿意，網(wǎng)絡(luò)自學(xué)也能成為Kaggle頂級玩家。

在AI和大數(shù)據(jù)圈的人，應(yīng)該沒有不知道Kaggle的，這是全球首屈一指的數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)競賽和分享平臺。去年被谷歌收購時還一度引發(fā)業(yè)界轟動。企業(yè)和研究者可以在Kaggle平臺發(fā)布數(shù)據(jù)、舉行/參加競賽，通過“眾包”的形式產(chǎn)生最好的模型?，F(xiàn)在注冊用戶數(shù)量超過100萬。

在Kaggle Competitions排行榜中，有一個頭銜是眾多用戶都十分向往的，那就是“Kaggle Grandmaster”，排名0.1‰的頂級高手。

除了代表你參加過很多競賽并且多次獲得冠軍，這個頭銜在投簡歷找工作時也很具吸引力。同時，參加大企業(yè)舉辦的大型競賽，還能獲得獎金。

剛剛，Kaggle CTO Ben Hamner發(fā)表推文，祝賀來自英國的17歲男孩Mikel Bober-Irizar，成為史上最年輕的Kaggle Grandmaster：

史上最年輕的Grandmaster是如何煉成的

目前，Kaggle在全球范圍內(nèi)只有122位Grandmaster，目前排名第一的是一位8年前加入的用戶。

Mikel在122位Grandmaster中，排名第31，他用的時間是3年，更重要的是，他的AI和機(jī)器學(xué)習(xí)知識全靠搜索網(wǎng)絡(luò)資料，自學(xué)而成。

在Kaggle，要成為Grandmaster非常困難，該頭銜是根據(jù)Kaggle Progression System來判定的。它是一套用戶的等級排名系統(tǒng)，類似于在游戲中做任務(wù)，一路打怪、攢經(jīng)驗，換取累計積分，達(dá)到一定要求之后就可以升級。

Kaggle Progression System的等級從低到高分別為：Novice、Contributor、Expert、Master和Grandmaster。

Novice加入社區(qū)，注冊即可達(dá)成。

在上述基礎(chǔ)上，還需達(dá)成：添加用戶的簡歷、定位、職業(yè)、組織；SMS確認(rèn)賬戶；運行一個script、實現(xiàn)一個完整的submission、評論一次以及投一次票，就可以成為Contributor。

若用戶已經(jīng)在一個或多個專業(yè)類別中完成了大量關(guān)于Kaggle的工作，一旦達(dá)到某個類別的專家水平，該用戶便可進(jìn)入Kaggle Expert排名。

若能夠達(dá)成以下成就，便可獲得Master的等級頭銜：

而最頂級的Grandmaster，需要達(dá)成如下目標(biāo)，也就名副其實是某個專業(yè)領(lǐng)域中的“頂級大師”。

可見，達(dá)成Grandmaster目標(biāo)成就的要求門檻還是相當(dāng)之高，那么我們來看看這位17歲神奇boy達(dá)成了怎么的成就：

可以看到，Mikel Bober-Irizar小選手總共獲得過6枚金牌，其中5枚團(tuán)戰(zhàn)金牌，1枚Solo金牌。

不僅如此，這位小選手總共參加了57次競賽，其中單人Solo共計47場（82%），團(tuán)隊比賽共計10場（18%）?？梢奙ikel Bober-Irizar是一個團(tuán)戰(zhàn)、單人多方面發(fā)展的強(qiáng)悍型種子選手。

縱覽Kaggle Competitions排行榜，許多Grandmaster的成就是要遠(yuǎn)高于這個英國小男孩兒的，有甚者金牌數(shù)量已經(jīng)達(dá)到41枚之多。

但重點在于，Mikel Bober-Irizar只有17歲，從資料中也可以看到，他于三年前加入Kaggle，也就是說，他開始玩兒編程、參加比賽是在14歲，甚至是更早！

真可以說是“骨骼驚奇，萬中無一的練武奇才”了！

Mikel Bober-Irizar不僅天賦異稟，更重要的是勤奮也是異于常人。

從上述的數(shù)據(jù)來看，三年來，小男孩兒平均每年參加比賽的次數(shù)為19場，工作量可以說是相當(dāng)?shù)某渥?。反過來看，當(dāng)今很多大學(xué)生，一年是否能夠達(dá)到這樣的工作量呢？

而最近神奇少年們的新聞最近也是層出不窮：從18歲少年被谷歌錄用、到12歲小女孩兒編寫元胞自動機(jī)程序，現(xiàn)在Python都已經(jīng)進(jìn)入小學(xué)課程了。

真的是長江后浪拍前浪，把“老人們”都拍在沙灘上啊！

并未參加過任何正式AI課程，全靠自學(xué)成才

在Mikel的LinkedIn主頁上公開數(shù)據(jù)顯示，Mikel Bober-Irizar 就讀于英國吉爾福德的皇家文理學(xué)校（Royal Grammar School, Guildford），從高中時期起就開始活躍參與機(jī)器學(xué)習(xí)和自動駕駛技術(shù)的軟硬件研發(fā)，曾在硅谷自動駕駛出租車企業(yè)Voyage任職，后在英國EduNow負(fù)責(zé)后端和服務(wù)器開發(fā)。

他是首批獲得Udacity自動駕駛車工程師納米學(xué)位認(rèn)證的500人之一，該學(xué)位申請人達(dá)11000多人，入選率不足5%。

盡管只有17歲，但Mikel現(xiàn)在已經(jīng)是三菱電機(jī)研究實驗室（MERL）的計算機(jī)視覺研發(fā)實習(xí)生，主要研究圖像合成和表示學(xué)習(xí)。此前還擔(dān)任EduNow公司的技術(shù)主管，這是一家做課程復(fù)習(xí)資料、論文查詢和學(xué)習(xí)筆記服務(wù)的公司。

以下是LinkedIn上關(guān)于Mikel教育和工作經(jīng)歷的詳細(xì)信息：

三菱電機(jī)研究實驗室（MERL）計算機(jī)視覺研究實習(xí)生

2018 年 7 月 - 至今

主要研究圖像合成和表示學(xué)習(xí)

EduNow公司 技術(shù)主管

2017 年 9 月 - 2018 年 7 月

從零開始參與構(gòu)建EduNow平臺，主要負(fù)責(zé)后端和服務(wù)器開發(fā)

Voyage

2017 年 7 月

Voyage自動駕駛出租車的多種軟硬件項目的開發(fā)

Udacity

2016 年 9 月 - 2017 年 6 月

首批500名（申請人11000名）獲得該機(jī)構(gòu)自動駕駛車工程師微學(xué)位（Nanodegree）的人，被邀請擔(dān)任該課程5位學(xué)生領(lǐng)袖之一。

Kaggle挑戰(zhàn)賽上戰(zhàn)績輝煌

谷歌地標(biāo)檢索挑戰(zhàn)賽

2018年5月，參賽隊共209支，獲第1名

本次比賽對參賽者提供查詢圖像，對于每個查詢，期望檢索到數(shù)據(jù)庫中包含相同地標(biāo)（如果有的話）的所有圖像。

比賽使用的新數(shù)據(jù)集是全球最大的圖像檢索研究數(shù)據(jù)集，包含超過100萬張獨特地標(biāo)的圖像。圖像檢索是計算機(jī)視覺中的一個基本問題，對于包含地標(biāo)建筑的查詢圖像尤為重要，因為人們喜歡拍攝的照片中大部分都包括這些地標(biāo)。

此次挑戰(zhàn)賽與“地標(biāo)識別挑戰(zhàn)賽”（這個競賽Mikel在483人中排第33名，Top 7%）一道進(jìn)行。兩個挑戰(zhàn)賽的使用的測試集是相同的，鼓勵更多的選手參與競爭。不過，兩個挑戰(zhàn)的訓(xùn)練集/檢索集之間沒有共同的地標(biāo)。

Avito重復(fù)廣告檢測挑戰(zhàn)賽

2016年7月，548隊參賽，獲第2名（Top 1%）

Avito是全球規(guī)模最大、發(fā)展最快的在線分類廣告商之一，這個競賽要求Kaggle參賽者開發(fā)一個可以自動識別重復(fù)廣告的模型。由于競爭激烈，賣家經(jīng)常絞盡腦汁，努力讓他們的產(chǎn)品受到關(guān)注，這可能意味著要多次發(fā)布相同的廣告，對廣告文字進(jìn)行略微修改，或放上從不同角度拍攝的商品照片。通過更準(zhǔn)確的重復(fù)廣告檢測，Avito將讓買家更容易找到誠實的賣家，與之進(jìn)行下一次交易。

博世生產(chǎn)線故障預(yù)測挑戰(zhàn)賽

2016年11月，627隊參賽，獲第5名（Top 1%）

在本次挑戰(zhàn)賽中，博世要求參賽者利用數(shù)千次測量和測試，預(yù)測機(jī)器的內(nèi)部故障，這些測量和測試是針對生產(chǎn)線上的每個部件進(jìn)行的。這將使博世能夠以最低的成本為最終用戶提供優(yōu)質(zhì)產(chǎn)品。

競賽使用的都是博世在其裝配過程中每一步的真實記錄數(shù)據(jù)，因此能利用高級分析來改進(jìn)這些制造流程。不過，數(shù)據(jù)的復(fù)雜性和生產(chǎn)線的復(fù)雜性給當(dāng)前的方法帶來了問題。

從應(yīng)用角度講，理解算法工作原理比懂?dāng)?shù)學(xué)更重要

2017年7月，Mikel在接受采訪時表示，他最初只是抱著試試的態(tài)度來參加Kaggle挑戰(zhàn)賽的。從實際應(yīng)用的角度講，對算法的工作原理的理解要比其數(shù)學(xué)原理更重要。他所在的高中皇家文理學(xué)校并未設(shè)置AI和機(jī)器學(xué)習(xí)的系統(tǒng)課程，Mikel在機(jī)器學(xué)習(xí)和人工智能方面的編程技能幾乎完全是自學(xué)成才。

“網(wǎng)上有很多免費課程，但我實際上并沒有參加這些課程。當(dāng)我遇到一個很大的問題想解決時，我只想在谷歌上搜到這個問題。我在網(wǎng)上看到了Kaggle，我就想，'為什么不試試呢？'“

“我不知道算法背后的所有數(shù)學(xué)原理，但就實際使用而言，我認(rèn)為對算法的工作方式有一個合理的理解更為重要。即使我不能從頭開始寫算法，我仍然知道它具體做了什么，這有助于我理解算法可能有用的地方?！?/p>

Mikel在Medium上也比較活躍，今年初，新智元還報道過他關(guān)于CPU漏洞的評測文章：【最大降40%】CPU漏洞補(bǔ)丁對機(jī)器學(xué)習(xí)和深度學(xué)習(xí)性能影響實測