ATEC“数星”计划发布，开源亿级工业数据集

9 月 8 日，在上海举行的 2023 inclusion·外滩大会《从机器智能到人机智能》论坛上，ATEC 前沿科技探索社区宣布启动 ATEC“数星”计划。

这是业内首个基于真实工业场景的大规模研究性数据集开放计划，首批将公开两个脱敏的、超大规模的工业数据集——ATEC2022 赛事数据集“农村金融风险预测”和蚂蚁集团多场景多模态点击率预估数据集（AntM2C）。

目前，“数星”计划的数据集可在ATEC官方平台下载。

“农村金融风险预测”中包含了涉农经营者的信贷风险信息及用户的历史多源交互数据。如何利用数字化技术识别农村经营者的经营状况和经营风险，是帮助农村经营者进行融资的基础能力之一。该数据集在遵循国家法律法规及个人隐私保护的前提下，为金融科技领域、特别是农村金融科技领域的行业研究和发展提供了重要的数据支持。

AntM2C 覆盖支付宝内多个业务场景，包含广告、营销、搜索和推荐真实场景中不同类型商品的 CTR 数据，整体数据规模达到 10 亿（第一阶段发布 1700 万规模的数据）。该数据集的发布填补了行业内，多场景多模态点击率预估问题的数据集空白。

清华大学计算机系副系主任、ATEC 前沿科技探索社区发起人徐恪教授指出，“数星”计划是 ATEC 社区在科技赛事、高校实训之后的又一项重要举措。数字技术的研究和发展离不开真实应用的数据土壤，亿级规模工业数据集，将成为人机智能等创新技术的关键燃料，推动机器智能等新一代数字技术的新范式发展。”