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。他的學校并沒有AI和機器學習相關課程，全部知識都是從網上自學而來。Kaggle成立8年，注冊用戶超過100萬，現僅有122名Grandmaster，Mikel自學三年達此成就，后生可畏，但也鼓舞人心，只要你愿意，網絡自學也能成為Kaggle頂級玩家。

在AI和大數據圈的人，應該沒有不知道Kaggle的，這是全球首屈一指的數據科學、機器學習競賽和分享平臺。去年被谷歌收購時還一度引發業界轟動。企業和研究者可以在Kaggle平臺發布數據、舉行/參加競賽，通過“眾包”的形式產生最好的模型。現在注冊用戶數量超過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，參加大企業舉辦的大型競賽，還能獲得獎金。

剛剛，Kaggle CTO Ben Hamner發表推文，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和機器學習知識全靠搜索網絡資料，自學而成。

在Kaggle，要成為Grandmaster非常困難，該頭銜是根據Kaggle Progression System來判定的。它是一套用戶的等級排名系統，類似于在游戲中做任務，一路打怪、攢經驗，換取累計積分，達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，注冊即可達成。

在上述基礎上，還需達成：添加用戶的簡歷、定位、職業、組織；SMS確認賬戶；運行一個script、實現一個完整的submission、評論一次以及投一次票，就可以成為Contributor。

若用戶已經在一個或多個專業類別中完成了大量關于Kaggle的工作，一旦達到某個類別的專家水平，該用戶便可進入Kaggle Expert排名。

若能夠達成以下成就，便可獲得Master的等級頭銜：

而最頂級的Grandmaster，需要達成如下目標，也就名副其實是某個專業領域中的“頂級大師”。

可見，達成Grandmaster目標成就的要求門檻還是相當之高，那么我們來看看這位17歲神奇boy達成了怎么的成就：

可以看到，Mikel Bober-Irizar小選手總共獲得過6枚金牌，其中5枚團戰金牌，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%），團隊比賽共計10場（18%）。可見Mikel Bober-Irizar是一個團戰、單人多方面發展的強悍型種子選手。

縱覽Kaggle Competitions排行榜，許多Grandmaster的成就是要遠高于這個英國小男孩兒的，有甚者金牌數量已經達到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。

從上述的數據來看，三年來，小男孩兒平均每年參加比賽的次數為19場，工作量可以說是相當的充足。反過來看，當今很多大學生，一年是否能夠達到這樣的工作量呢？

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程序，現在Python都已經進入小學課程了。

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，全靠自學成才

在Mikel的LinkedIn主頁上公開數據顯示，Mikel Bober-Irizar 就讀于英國吉爾福德的皇家文理學校（Royal Grammar School, Guildford），從高中時期起就開始活躍參與機器學習和自動駕駛技術的軟硬件研發，曾在硅谷自動駕駛出租車企業Voyage任職，后在英國EduNow負責后端和服務器開發。

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

盡管只有17歲，但Mikel現在已經是三菱電機研究實驗室（MERL）的計算機視覺研發實習生，主要研究圖像合成和表示學習。此前還擔任EduNow公司的技術主管，這是一家做課程復習資料、論文查詢和學習筆記服務的公司。

以下是LinkedIn上關于Mikel教育和工作經歷的詳細信息：

三菱電機研究實驗室（MERL）計算機視覺研究實習生

2018 年 7 月 - 至今

主要研究圖像合成和表示學習

EduNow公司 技術主管

2017 年 9 月 - 2018 年 7 月

從零開始參與構建EduNow平臺，主要負責后端和服務器開發

Voyage

2017 年 7 月

Voyage自動駕駛出租車的多種軟硬件項目的開發

Udacity

2016 年 9 月 - 2017 年 6 月

首批500名（申請人11000名）獲得該機構自動駕駛車工程師微學位（Nanodegree）的人，被邀請擔任該課程5位學生領袖之一。

Kaggle挑戰賽上戰績輝煌

谷歌地標檢索挑戰賽

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，期望檢索到數據庫中包含相同地標（如果有的話）的所有圖像。

比賽使用的新數據集是全球最大的圖像檢索研究數據集，包含超過100萬張獨特地標的圖像。圖像檢索是計算機視覺中的一個基本問題，對于包含地標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。

此次挑戰賽與“地標識別挑戰賽”（這個競賽Mikel在483人中排第33名，Top 7%）一道進行。兩個挑戰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，兩個挑戰的訓練集/檢索集之間沒有共同的地標。

Avito重復廣告檢測挑戰賽

2016年7月，548隊參賽，獲第2名（Top 1%）

Avito是全球規模最大、發展最快的在線分類廣告商之一，這個競賽要求Kaggle參賽者開發一個可以自動識別重復廣告的模型。由于競爭激烈，賣家經常絞盡腦汁，努力讓他們的產品受到關注，這可能意味著要多次發布相同的廣告，對廣告文字進行略微修改，或放上從不同角度拍攝的商品照片。通過更準確的重復廣告檢測，Avito將讓買家更容易找到誠實的賣家，與之進行下一次交易。

博世生產線故障預測挑戰賽

2016年11月，627隊參賽，獲第5名（Top 1%）

在本次挑戰賽中，博世要求參賽者利用數千次測量和測試，預測機器的內部故障，這些測量和測試是針對生產線上的每個部件進行的。這將使博世能夠以最低的成本為最終用戶提供優質產品。

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據，因此能利用高級分析來改進這些制造流程。不過，數據的復雜性和生產線的復雜性給當前的方法帶來了問題。

從應用角度講，理解算法工作原理比懂數學更重要

2017年7月，Mikel在接受采訪時表示，他最初只是抱著試試的態度來參加Kaggle挑戰賽的。從實際應用的角度講，對算法的工作原理的理解要比其數學原理更重要。他所在的高中皇家文理學校并未設置AI和機器學習的系統課程，Mikel在機器學習和人工智能方面的編程技能幾乎完全是自學成才。

“網上有很多免費課程，但我實際上并沒有參加這些課程。當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學原理，但就實際使用而言，我認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。”

Mikel在Medium上也比較活躍，今年初，新智元還報道過他關于CPU漏洞的評測文章：【最大降40%】CPU漏洞補丁對機器學習和深度學習性能影響實測