في اليوم الآخر ، جرت نهائيات الهاكاثون لمطوري AI / ML ،
RAIF Hackathon ، والتي حل المشاركون فيها مشاكل الشركات الشريكة. تحت قص تقرير مصورنا وقصة قصيرة عن المشاريع الفائزة.
أولاً وقبل كل شيء ، نيابة عن اللجنة المنظمة للحدث ، نشكر جميع المشاركين في الهاكاثون على عملهم والحلول المقدمة ، وبالطبع على التعليقات! كانت كثيرة منذ البداية. كان الأمر مختلفًا: في بعض الأحيان طُرح علينا أسئلة صعبة ، وأحيانًا أعربوا عن شك. في بعض الأحيان كان هناك الكثير من مشاعر J ، لكننا ممتنون للغاية للمشاركين لاهتمامهم. لأنهم لم يعطونا أصلًا ودفعونا إلى أن نكون أفضل.
من جانبنا ، حاولنا أن نأخذ بعين الاعتبار الطلبات الواردة - في مكان لم نوافق عليه ، ولكن في مكان ما تقدمنا. لذا ، على سبيل المثال ، قمنا بعمل موجتين لتوفير الأعمال في الترشيحات من Utkonos و Rosreestr.
أيضًا ، اشتكى الكثير من إزعاج جداول XML في شكل بيانات Rosreestr التي تم تقديمها ، لذلك قمنا بعمل حل بداية حيث قام أحد البرامج النصية بإجراء تحليل تقريبي لهذه الجداول.
والآن عن النتائج. تلقينا 322 طلبًا للمشاركة من مطورين من مدن مختلفة في روسيا ومشاريع مختارة. ذهب 42 فريقًا إلى النهائيات في الترشيح من NMLK ، وخاض 4 فرق في الترشيح من Utkonos و 5 فرق في الترشيح من Rosreestr.
النهائي - كيف كان
23 أكتوبر. على الرغم من البداية المبكرة للهاكاثون ، بحلول الساعة 8:30 صباحًا ، لم تكن الأغلبية الساحقة من المشاركين قد وصلت للتو ، ولكنها كانت تنتظر منذ فترة طويلة بدء المسابقة.
في الساعة 9 ، تم منح الجميع أقراص فلاش مع بيانات إضافية ، وخلال الساعات الثلاث التالية ، و 40 دقيقة ، انغمسوا جميعًا في العمل.
اختار معظم المقاعد على الطاولات ، فضل البعض الجلوس على العثمانيين.
من الغريب أنه ليست كل الفرق التي قامت بحل مشكلة Rosreestr أخذت البيانات المقدمة: بدأ البعض في حل مشكلة أكثر تجريدية من خلال الإشارة إلى بيانات شركات الطرف الثالث.
تذكر أن هناك ثلاث مهام في هاكاثون: واحدة من NLMK - لتسريع إنتاج الفولاذ المدلفن ، تم استخدام لوحة الصدارة الكلاسيكية التي يتم تحديثها بانتظام هنا ؛ ومهمتين إبداعيتين من Utkonos و Rosreestr: تحليل الطلب على السلع والتنبؤ بالقيمة المساحية للعقار ، على التوالي. كان مطلوبًا ليس فقط توفير حل ، ولكن أيضًا لحماية عملهم أمام هيئة المحلفين. اقرأ المزيد عن شروط المهام
هنا .
عندما انتهى الوقت المخصص للتطوير وتناول العشاء ، بدأت مرحلة العروض التقديمية للمشروع لحل مشاكل Platypus و Rosreestr. خصص كل فريق لحماية العمل 5 دقائق.
اقترحت ثلاث فرق حلولها لمشكلة Utkonos:
تم حل مهمة Rosreestr من قبل خمسة فرق:
بعد كل العروض ، غادرت هيئة المحلفين للتفكير.
وأخيرًا ، تم الإعلان عن الفائزين في كل من الترشيحات الثلاثة.
في ترشيح NLMK ، تم تحديد النصر من خلال المؤشر المطلق - أقصى دقة تنبؤية لنموذج ML. نتيجة لصراع مرير ، فاز فريق Keksik.
فضل Platypus قرار فريق باسم يتحدث مساعدة Platypus. ركز المشاركون على تحليل مجموعات المنتجات ذات الصلة ومجموعات المنتجات البديلة. كما تم تقييم فعالية تكلفة الحل.
وأعجب Rosreestr بقرار فريق r_test أكثر. أجرى الرجال تحليلاً عميقًا للبيانات الخارجية والمعلمات المستخدمة مثل المسافة إلى أقرب محطة سكة حديد وخزان ونقاط اهتمام (POI).
تهانينا مرة أخرى لجميع المشاركين والفائزين!
في نهاية الهاكاثون ، استضاف فيكتور كانتور ، مؤلف دورة البيانات المتعلقة بالتعدين في العمل ، قسمًا تقنيًا. تبادل العلماء وعلماء الرياضيات والخبراء من Data Science من الشركات الروسية الرائدة تجاربهم وأحدث الحالات في مجال ML / AI.
تحدث كونستانتين فورونتسوف (
MIPT ) عن الرسوم
التوضيحية المواضيعية للنصوص والرسوم البيانية وبيانات المعاملات.
قدمت Emeli Dral (
Mechanica.AI ) عرضًا عن الذكاء الاصطناعي في مجال الإنتاج ، والذي كان مثيرًا للاهتمام بشكل خاص بعد المهمة من NLMK لتحسين عمليات الإنتاج داخل الهاكاثون.
قارن Nikolai Knyazev (
Jet Infosystems ) مقاييس الأعمال ومقاييس التعلم الآلي. كان اختيار المقياس الصحيح أحد المعلمات التي تم من خلالها تحديد الفائز في ترشيح Utkonos.
غطى أليكسي درال
(فريق BigData) موضوع التدريب الجماعي على البيانات الضخمة.
قدم دميتري بوجايتشينكو (
Odnoklassniki ) الجمهور لبناء عرض للمحتوى باستخدام تحليل البيانات المتدفقة والتدريب
التعزيزي .
شارك أليكسي كاتكيفيتش (
Jet Infosystems ) المشاركين في كيفية نقل نماذج ML إلى المنتج ،
وأعطى Evgeny Burnaev (
Skoltech ) حالات للكشف عن الحالات الشاذة والتنبؤ
بالأعطال في النقل.