我校两学生代表队于AI-Trans全球智能网络传输竞赛中获奖

前排（左起）：王依然，李漪静；后排（左起）：谢国超，郝森跃，石思源，莫子恒

       1月12日， AI-Trans全球智能网络传输竞赛总决赛在北京举行，我校两学生代表队“枯鱼肆队”与“WwW代表队”遇强愈强，超水准发挥，以突出的算法设计和出色的成果演示获得评委的一致好评，分别夺得“最佳非机器学习奖”与“最佳演示答辩奖”。另外，我校深圳市大数据研究院的李钰鹏老师荣获“最佳指导教师奖”。

        AI-Trans全球智能网络传输竞赛由清华大学计算机系牵头，联合中国计算机学会、中国人工智能学会智能信息网络专委会、中国通信学会信息通信网络专委会和Power Info协办，斯坦福大学计算机系、新加坡国立大学计算机系和华为未来网络理论实验室也作为合作伙伴积极参与了竞赛的组织。AI-Trans将成为今年国际计算机多媒体领域顶级会议ACM Multimedia 2019的Grand Challenge。

        本次竞赛的初赛吸引了全球上百支队伍参加，其中，深圳市大数据研究院的李钰鹏老师带领我校“枯鱼肆”队（李漪静、石思源、王依然）、“WwW”队（郝森跃、谢国超、莫子恒）和“太阳神”队（何涛、李晓璇、冉晨宇）三支学生代表队伍参赛。经过两个多月的精心准备，三支代表队在初赛中表现出色，全部晋级决赛，成为全球25支决赛队伍之一。据悉，晋级决赛的25支队伍中，不仅包括来自中科院、清华大学、北京大学、上海交通大学、北京邮电大学、天津大学、武汉大学等国内一流高校和科研单位的代表队，还有来自快手科技、阿里巴巴的业界专业团队，以及来自美国、加拿大、德国、日本等国的参赛队伍。

        近年来，数据规模的爆炸式增长、动态异质网络的个性化需求，都对网络传输提出了新的挑战。网络研究人员、设备供应商和互联网服务提供商一直在试图探究各种各样新兴科技以实现网络传输智能化。而最近的技术创新，则为实现“智能化”网络传输技术提供了新的机遇，例如，人工智能正在成为推动新工业革命的主流研究方向。我校大数据研究院的研究团队则希望通过机器学习、数据挖掘、控制论等方法实现自动化的高效、准确、公平的智能网络传输。

        目前国内流行的直播平台如斗鱼、映客，都是默认选择较高码率，在频繁出现卡顿之后，会有相应的弹窗提示用户往下调为标清、流畅等，另外，也有平台默认选择低码率，如此一来，用户就不能享有高清的观看体验。针对此问题，近年来，学界和工业界也一直在积极研究自适应调节码率算法，本次比赛旨在鼓励参赛者设计自己的自适应码率调节算法，用技术的力量解决这个现实问题。

从左到右：李钰鹏（指导老师），郝森跃，石思源，谢国超，莫子恒 

“WwW”代表队：

队长：莫子恒

2016级理工学院、学勤书院学生 新能源工程专业

参赛感言：

       这次是我第一次参加的正规编程比赛。这次比赛带给我两点很重要的收获。

       首先，通过与两位计算机科学专业的优秀队友合作，我得以接触及了解到许多计算机科学专业的先进技术以及新颖观念。例如这次的比赛需要我们设计一个算法来帮助视频直播APP在不同的网络环境下尽可能的为用户提供流畅清晰的视频播放。针对这个问题需要用到机器学习算法。此前我仅仅听闻机器学习是一个非常强大的计算机技术，但却一直没有深入了解。但得益于队友的帮助，我得以了解到机器学习的基本概念，算法思想及实现机器学习的一些数学理论。除此以外，在平时与他们的畅聊中，我还了解到了计算机科学领域中的一些技术突破以及一些就技术的革新或淘汰。所有这些都大大打破了我对计算机科学的原有认识。

       其次是这次竞赛高手云集，我们的对手不仅有在计算机及网络通信领域中的实例派高校如清华、北邮、武大和天大，还有非高校队伍如快手、阿里巴巴和中科院计算所。通过与他们同台竞技，我更加深刻的认识到自己现有的专业水平与实力与我身边的大部分人比起来还远远不足。在我们学校优秀的人之外，其他高校还有更优秀的人，而在他们之外则是计算机领域中更加优秀的人。而再在他们之外，更加优秀的人依然大有人在。这一次比赛结束后，带给我更多的是紧迫的危机感，而非欣喜。我明白，唯有加倍努力，方能跟上强者的步伐。我十分感谢我的队友郝森跃和谢国超，他们的帮助和知识让我们队伍能够一路披荆斩棘，勇往直前。同时刷新了我原有的旧知识，给我带来了很多新颖的思想。

       特别感谢李钰鹏老师在这次竞赛中，对我们算法的设计思想方向进行了多次指导，让我们避开了很多坑少走了很多弯路。其次对我们算法的训练模型提出了宝贵的建议，使得我们的算法有很大的提升，这也使得我们得以在预赛中成功晋级。另外老师还指出了我们答辩内容的很多错误和逻辑漏洞，并且对内容做出了适当调整，使我们的答辩更加严谨、完善。没有老师的指导，我们也无法获得“最佳演示答辩”奖。此外也感谢深圳市大数据研究院和我们学校的大力支持。

        最后，祝大家2019年学业有成，万事顺利。

队员：郝森跃

2016级理工学院、逸夫书院学生 计算机科学专业

参赛感言：

       这个比赛的初赛正值我校期末考试周，朋友拉上我说很想参加一次这种比赛，我虽然稍有犹豫，但还是报名参赛。之所以犹豫是因为之前我也报名过相关比赛，但最终都是不了了之。帮助我们克服这一困难的就是我们的指导老师李钰鹏，他督促我们根据比赛进度设置工作时间线并给出策略建议，正是因为拥有良好的团队合作和时间安排，我们才得以安全度过期末考试，又成功在上百支队伍中杀进决赛。

      在决赛阶段，我们不断调整训练我们的比赛模型，因为评分环境与规则和初赛有所区别，而准备时间又稍显紧张，顶着压力，我们一边重新收集数据进行训练，一边着手准备决赛答辩。作为主答辩选手，我下定决心要用英文描述我们的算法，不过这确实给演示文稿的制作以及对讲稿的熟练程度带来不小的压力，但是我的队友还是很积极配合。直到决赛现场，我都在拼命熟悉讲稿，并一直和队友还有指导教师交流，从而防止思路不清晰等一些错误。这应该是我第一次站在讲台上进行如此正式的答辩，虽然开始确实很紧张，但是通过Intro部分成功调解，我想这也是我校两年英语与GE课还有当USTF的经历所带来的经验吧。我校是现场使用英文答辩的唯一队伍，而我们更是全场本科生使用英文答辩的唯一队伍。

      我很感谢我队友们的支持，还有指导教师的耐心指导，希望大家2019年继续努力！

队员：谢国超

2017级理工学院、思廷书院学生 计算机科学专业

参赛感言：

     这是我第一次参加AI比赛。对我来说，这次比赛是一次新鲜而又收获颇丰的体验。

     这次比赛的主要收获是AI比赛的经历。在这次比赛中，我主要负责的是模型搭建和编程任务。通过分析问题，我们认为这次比赛需要用到的是我们之前没有接触的强化学习。通过自学，我们提出了一个基于强化学习思想的监督学习模型。应对决赛环境的变化，我们又尝试了使用预赛环境训练决赛模型的方法。这次比赛为我们提供了很多尝试自己奇思妙想的机会。

     这次比赛的另一个收获是临危不惧的心态。因为预赛恰好是final周，在预赛之前，我们模型的表现并不太好。预赛第一天半天过去了，我们的前四次提交（每天只取五次提交的最高分）排名都在50名之外。这时候，我们没有急于通过调参把提交用完，而是重新思考这个问题。一个突然的想法进入我们的视野：在reward_base的基础上加上对next_state的预测，从而可以通过BFS得到更远的视野。于是，我们马上重新训练模型，并进行了最后一次提交。最终，我们进入了前20，并且在之后的四天更进一步，最终得以进入决赛。

     此外，这次比赛我还要特别感谢我的队友郝森跃和莫子恒，指导老师李钰鹏，以及理工学院和深圳市大数据研究院的支持。队友的合作让我体会到分工合作的重要性；指导老师对我们的模型改进和答辩提出了宝贵建议；学校的支持则让我们的拼搏没有后顾之忧。

     最后，祝同学们2019年GPA++，祝学校发展越来越好。

“枯鱼肆”代表队：

队长：王依然

2018级思廷书院、数据科学硕士生

参赛感言：

       一开始了解这次比赛是通过深圳市大数据研究院导师李钰鹏的介绍。在此之前，我并没有了解过自适应码率的问题，相比于主流算法，这是一个独特的算法领域，不同于传统机器学习或深度学习。自适应码率算法是基于实时的视频数据和特定传输环境来做出最优决策，本质上是一个最优化问题。但是传统的最优化建模方法在题目所给的环境中无法成立且很难应用于实际，因此解决问题的模型范围只有传统的Based on Buffer and Throughput（基于缓冲和吞吐量）方法以及Deep Reinforcement Learning（深度强化学习）方法。

      经过两个多月不断的改进和尝试，我们从预赛一路杀入决赛，并最终斩获“最佳非机器学习奖”！这一路掉过很多坑，但是最终还是顺利将算法一步步完善。从一开始的论文阅读和技术积累，到代码环境搭建，到算法实现，再到测试提升，我们学到了很多，让我深知不断学习、和learning by doing的重要性。

      除此之外，作为队长，既要平衡课业时间，还要调动大家的积极性，让我觉得颇有压力，对我也是一种锻炼，所幸队友相当给力，顺利大家一起坚持到了最后。尤其是在初赛的最后阶段，我们面临期末考试周，最后靠着挤出来的一些时间进行讨论和代码撰写，虽然累但是也有回报。

      最后，对于分布式和推荐系统有兴趣的同学也欢迎找我讨论。

队员：石思源

2018级思廷书院、数据科学硕士生

参赛感言：

       从去年11月的初赛到刚刚结束的决赛，一路以来枯鱼肆小分队从初期算法问题频出到预赛时起死回生再到最终决赛顺利通关，很感激深圳市大数据研究院的李钰鹏老师给予我们及时的指导，多次在我们算法遇到瓶颈的时候帮助我们找到了突破。也为我们小组能够默契配合集思广益最后取得一定成绩感到高兴。

      在决赛中，我们与来自世界各地优秀的学界和工业界的队伍进行了切磋。他们的优势与风格各异，有的以紧跟前沿的算法模型出彩，有的以有效的变量设计出众，而我们的算法思路通透，简洁高效，得到了主办方的认可，非常荣幸能获奖。最后，十分感激学校跟数据科学项目组对我们的支持与栽培！

队员：李漪静

2018级思廷书院、数据科学硕士生

参赛感言：

      首先谢谢队友以及指导老师的大力carry。经过这次比赛，我学到了很多关于网络传输和强化学习的知识，了解了一个项目从无到有，从简陋到丰富的过程，并且意识到了理解数据对于建立，改进模型的重要性。在决赛现场听了大牛和主办方对于人工智能在网络传输领域的应用，前景以及面临的问题的报告，这大大开阔了我的视野以及开拓了未来找工作的方向。

指导老师：深圳市大数据研究院李钰鹏

评语：

    这次参加决赛的都是全球数一数二的高等院校和研究机构，不乏有业界直播和OTT行业的著名公司团队。为什么学界和业界都重视这次比赛？数据规模的爆炸式增长、动态异质网络的个性化需求，都对网络传输，特别是视频传输，提出了新的挑战。视频码率控制亟待解决，而且非常有研究价值。

    在长达3个月的比赛中，参赛同学努力备战，从问题瓶颈的分析、码率控制算法的设计、论文深挖、文档阅读，到搭建算法框架、落地实现、迭代改进、鲁棒性和可扩展性测试，全程细致入微，不放过每一个可优化提高的环节。比赛中，三个代表队使用不同的算法架构，成功打入决赛，这十分不易，也展现了我校同学扎实的算法设计能力和逻辑分析素养，这与我校独具特色的高质量教学分不开。决赛中，我校同学设计的算法性能优异，架构和设计逻辑严谨细致、具有强鲁棒和高扩展性，获得来自学界和业界评委高度评价，并获颁两项大奖。这些奖十分不易，我为他们骄傲。得益于同学们的优秀表现，我有幸获评“最佳指导教师”。

    本次比赛得到了深圳市大数据研究院和香港中文大学（深圳）的大力支持，特别感谢深圳市大数据研究院副院长、港中大（深圳）理工学院执行院长崔曙光教授的支持和宝贵建议，感谢深圳市大数据研究院的崔来中、程磊、韩晓光、顾崇林等老师的支持。最后，每一位参赛同学都是最大的功臣，每位同学都非常给力，感谢你们的努力、信任和支持，你们的表现让港中文深圳和深圳市大数据研究院的名字在国际舞台上绽放光彩。