这篇BLOG是ODPS商业化一系列文章之一，更多请点击这里……

　　几天前2014阿里巴巴大数据竞赛刚刚落下帷幕，第11名的F1分数、准确率和召回率是6.10%、6.28%和5.93%。前10名的成绩还未公布，他们会被邀请到阿里巴巴公司来，有机会和内部团队一起参与双11。选手们闲下来，开始在群里爆特征、开玩笑、交换联系方式。

　　这次海内外共有7276支队报名。比赛分为多个阶段：S1是线下海选，从S2开始上ODPS，每月底淘汰末位的100支队,直到7月31日尘埃落定。选手们需要像阿里数据分析师一样工作，完全依赖云端的ODPS平台上的SQL、Mapreduce和Xlib/Xlab算法工具处理大数据，E2E完成建模全过程：划分训练集和测试集，选择模型，抽取特征，处理过拟合，采样正负样本（向上采样、向下采样），调参，特征和目标值的处理，模型融合……几个月下来，有不少同学分享了心得和感悟：

　　来着如临高山，往者以观逝水
　　成也solo，败也solo
　　事非经过不知难
　　大数据竞赛所历所思。
　　点说那些年参加过的竞赛
　　STO_OTZ队的比赛流水账以及心得感悟
　　那些在坑里翻滚的日子
　　一场比赛、一组数据、一个梦想
　　ODPS SQL 构建离线评估
　　超级啰嗦版ODPS MapReduce入门
　　第一季总结：LR入门
　　阿里大数据竞赛season1总结

　　有次看到阿里云后台的客服工单：“想实现逻辑回归分类算法，使用随机梯度下降算法来优化参数，怎么在大规模分布式系统下实现？你们的xlib已经有了，我就是想问问^_^”。阿里云的售后支持mm真心累啊。发了一条微博说：下次再有这种调戏就回答“想知道吗，给我们投简历吧。”结果第二天就有参赛选手分享了这篇博客： 在MapReduce中实现随机梯度下降法（这篇文章对算法实现原理写得很清楚了，但用Mapreduce编程模型实现迭代类算法性能是很弱的，大多数人还是直接用Xlib实现好了的逻辑回归、随机森林、GBRT等算法）。

　　还有好玩的，有一位在台湾上学的参赛者利用S1的参赛队的排名信息深入分析了一番，写了这个：阿里大数据 – 中国好大学

　　比赛筹备一年多，很辛苦，很成功，恭喜得福和一婷。对于即将毕业的学生来说，关注并参与这次比赛，能深入体会工业界数据分析师的工作场景。另外，除了比赛内容本身，我想提醒读者注意天池平台。数据交换的业务模式已经开始萌芽。

　　这篇BLOG是ODPS商业化一系列文章之一，更多请点击这里……