四川
本來就是個籃球迷，平時也會關注 NBA 的各種球員動態、選秀信息，剛好近期刷到一場結合 NBA 選秀的 AI 技術活動，抱著試試的心態報了名。
作為一個也學過幾年編程的技術愛好者，這種把興趣和專業結合起來的活動，本來就很對我的胃口，沒想到體驗完之后，直接忍不住要把這個活動推薦給身邊所有愛球又懂點技術的朋友。
這趟活動最不一樣的地方，跟我之前參加過的技術賽完全不同 —— 它有明確的評判標準，到最后所有人都能看到一個清晰的結果，能直觀看到我們做的預測到底準不準。
而且整個活動主打 “高手對決”，不管你是剛入門的技術新人，還是已經有不少實戰經驗的開發者，都能在這里找到同頻的伙伴，甚至能跟行業里的資深選手過招交流。
更難得的是，這次活動的切入點是我最熟悉的 NBA，全程都是真實模擬 NBA 選秀的競技場景，不是那種空泛的理論教學。
連用的底層技術都是真實的 AWS 云服務，不是為了活動單獨搭建的演示環境，真的能學到實打實能用的技術。
作為本次活動的參與者，我最直觀的感受就是，AWS 的云服務幫我們拉高了開發效率。
這次活動里我們用到的 AWS 工具特別實用，其中 SageMaker 這個一站式機器學習平臺，尤其讓人眼前一亮。
它能直接部署 PyTorch、TensorFlow 這些我們平時常用的深度學習框架，不用我們自己花時間去搭建環境、配置依賴，省掉了好多數據分析的前期準備工作。
還有 Keylow 智能體和 AWS CLI 工具，更是幫我們砍掉了不少冗余的步驟。原本我們要自己花好幾個小時去配置部署環境、調試代碼，用了這些工具之后，開發和部署的時間直接縮短了一大半。
我們還用 S3 對象存儲保存了球員頭像、賽事靜態數據這些內容，整個數據流轉的流程特別順暢，沒有出現過卡頓或者丟失的情況。
除此之外，我們還用到了 Lambda 這類無服務器服務，可以快速搭建輕量的功能模塊，配合其他工具一起完成整個選秀模擬系統的搭建。
這些工具不管是對于我們日常的 AI 開發，還是本次活動的實戰來說，都特別有幫助，真的能學到不少實用的技巧。
之前參加過不少技術活動，大多都是坐在工位上埋頭寫代碼，最多休息的時候聊兩句，整個過程特別枯燥。但這次活動不一樣，主辦方搞得特別有互動感，可謂是動靜結合。
現場不只是讓大家埋頭敲代碼，還安排了好幾款互動小游戲，完成任務就能拿積分，積分的高低會影響最終的路演排名。
而且主辦方還設置了能量補給區，隨時提供零食和飲料，讓我們不用為了體力發愁，可以全身心投入到開發當中。
整個活動的流程設計也特別用心，從簽到、分組、培訓到正式開發、路演，每一個環節都銜接得特別順暢，沒有出現過拖沓或者混亂的情況。
我覺得這種設計比普通的技術活動有意思太多了，不會讓人覺得疲憊，反而越做越有勁頭。
興趣才是最好的驅動力，因為本身喜歡籃球，所以在做這個選秀模擬項目的時候，我們整個團隊都特別有勁頭，做出來的東西也特別有成就感。
這可能就是這次活動最棒的地方 —— 把興趣和專業結合起來，讓大家不再覺得技術開發是一件枯燥的事情。
唯一有一點小建議，要是組委會能多開放一些訓練數據給我們就好了。畢竟我們做的是球員選秀的預測模型，更多的數據能讓我們的模型更完善，預測結果也能更準確。要是能拿到更全面的賽事數據，相信我們能做出更加逼真的模擬場景。
其實不光我自己覺得好，我身邊已經有好幾個愛球又懂技術的朋友，已經在打聽下次活動的報名方式了。
如果你也是既喜歡籃球，又對 AI 開發、云服務感興趣的朋友，那這個活動真的值得你去試試 —— 不管你是想學習實用的開發技巧，還是單純想沉浸式體驗一把 NBA 選秀的模擬場景，都能在這里獲得不錯的體驗。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
