四川
本来就是个篮球迷，平时也会关注 NBA 的各种球员动态、选秀信息，刚好近期刷到一场结合 NBA 选秀的 AI 技术活动，抱着试试的心态报了名。
作为一个也学过几年编程的技术爱好者，这种把兴趣和专业结合起来的活动，本来就很对我的胃口，没想到体验完之后，直接忍不住要把这个活动推荐给身边所有爱球又懂点技术的朋友。
这趟活动最不一样的地方，跟我之前参加过的技术赛完全不同 —— 它有明确的评判标准，到最后所有人都能看到一个清晰的结果，能直观看到我们做的预测到底准不准。
而且整个活动主打 “高手对决”，不管你是刚入门的技术新人，还是已经有不少实战经验的开发者，都能在这里找到同频的伙伴，甚至能跟行业里的资深选手过招交流。
更难得的是，这次活动的切入点是我最熟悉的 NBA，全程都是真实模拟 NBA 选秀的竞技场景，不是那种空泛的理论教学。
连用的底层技术都是真实的 AWS 云服务，不是为了活动单独搭建的演示环境，真的能学到实打实能用的技术。
作为本次活动的参与者，我最直观的感受就是，AWS 的云服务帮我们拉高了开发效率。
这次活动里我们用到的 AWS 工具特别实用，其中 SageMaker 这个一站式机器学习平台，尤其让人眼前一亮。
它能直接部署 PyTorch、TensorFlow 这些我们平时常用的深度学习框架，不用我们自己花时间去搭建环境、配置依赖，省掉了好多数据分析的前期准备工作。
还有 Keylow 智能体和 AWS CLI 工具，更是帮我们砍掉了不少冗余的步骤。原本我们要自己花好几个小时去配置部署环境、调试代码，用了这些工具之后，开发和部署的时间直接缩短了一大半。
我们还用 S3 对象存储保存了球员头像、赛事静态数据这些内容，整个数据流转的流程特别顺畅，没有出现过卡顿或者丢失的情况。
除此之外，我们还用到了 Lambda 这类无服务器服务，可以快速搭建轻量的功能模块，配合其他工具一起完成整个选秀模拟系统的搭建。
这些工具不管是对于我们日常的 AI 开发，还是本次活动的实战来说，都特别有帮助，真的能学到不少实用的技巧。
之前参加过不少技术活动，大多都是坐在工位上埋头写代码，最多休息的时候聊两句，整个过程特别枯燥。但这次活动不一样，主办方搞得特别有互动感，可谓是动静结合。
现场不只是让大家埋头敲代码，还安排了好几款互动小游戏，完成任务就能拿积分，积分的高低会影响最终的路演排名。
而且主办方还设置了能量补给区，随时提供零食和饮料，让我们不用为了体力发愁，可以全身心投入到开发当中。
整个活动的流程设计也特别用心，从签到、分组、培训到正式开发、路演，每一个环节都衔接得特别顺畅，没有出现过拖沓或者混乱的情况。
我觉得这种设计比普通的技术活动有意思太多了，不会让人觉得疲惫，反而越做越有劲头。
兴趣才是最好的驱动力，因为本身喜欢篮球，所以在做这个选秀模拟项目的时候，我们整个团队都特别有劲头，做出来的东西也特别有成就感。
这可能就是这次活动最棒的地方 —— 把兴趣和专业结合起来，让大家不再觉得技术开发是一件枯燥的事情。
唯一有一点小建议，要是组委会能多开放一些训练数据给我们就好了。毕竟我们做的是球员选秀的预测模型，更多的数据能让我们的模型更完善，预测结果也能更准确。要是能拿到更全面的赛事数据，相信我们能做出更加逼真的模拟场景。
其实不光我自己觉得好，我身边已经有好几个爱球又懂技术的朋友，已经在打听下次活动的报名方式了。
如果你也是既喜欢篮球，又对 AI 开发、云服务感兴趣的朋友，那这个活动真的值得你去试试 —— 不管你是想学习实用的开发技巧，还是单纯想沉浸式体验一把 NBA 选秀的模拟场景，都能在这里获得不错的体验。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
