Freunde, wir haben einen Wettbewerb unter AI / ML-Entwicklern
gestartet -
RAIF Hackathon . Wir laden Sie zur Teilnahme ein! Die Veranstaltung findet im Rahmen des RAIF 2018 Business Business Forums (Russisches Forum für künstliche Intelligenz) statt. Vor einem Jahr haben wir einen ähnlichen
Hackathon gemacht , aber dieses Mal wird das Format anders sein. Es warten zwei Phasen auf Sie: das Online-Qualifying und der letzte Offline-Kampf vor den RAIF-Gästen. Drei Aufgaben - von Rosreestr, Utkonos und dem Metallurgischen Werk Nowolipetsk (NLMK) - und dementsprechend drei Nominierungen zur Auswahl. Der Preisfonds beträgt mehr als 1 Million Rubel. Und ja, wie im vergangenen Jahr wird es notwendig sein, die Aufgaben mit Hilfe von Technologien für maschinelles Lernen zu lösen;).
Sie können alleine oder in einem Team von bis zu 3 Personen teilnehmen. Sie können nach eigenem Ermessen eine, zwei oder sogar alle drei Aufgaben auswählen. In allen drei Fällen stehen Ihnen die realen Daten unserer Partner zur Verfügung (natürlich anonymisiert). Das heißt, Sie haben eine großartige Gelegenheit, einen Blick hinter die Kulissen ihres Geschäfts zu werfen, was unserer Meinung nach viel interessanter ist als die abstrakten fiktiven Aufgaben, die bei den meisten Hackathons angeboten werden.
Eine Aufgabe ist das absolute Ergebnis:
- Beschleunigung der Produktion von Walzstahl (NLMK)
Die Teilnehmer dieses Streams können ihre Ergebnisse in der Rangliste auf der Website des Wettbewerbs sehen.
Zwei weitere Aufgaben sind kreativ:
- Analyse der Nachfrage nach Waren ("Schnabeltier").
- Vorhersage des Katasterwerts von Immobilien (Rosreestr)
Hier stellen wir nur Daten von Partnern zur Verfügung, und Sie müssen selbst herausfinden, was mit diesen Daten getan werden kann.
Aber das Wichtigste zuerst.
Online und offline
Der RAIF Hackathon wird in zwei Phasen durchgeführt: online und offline. Bis einschließlich 19. Oktober findet eine Online-Qualifikationstour zu einer Aufgabe von NLMK statt. Für Aufgaben von Utkonos und Rosreestr ist diese Etappe 1 Tag weniger - bis zum 18. Oktober. Nachdem Sie sich registriert und ein Profil in Ihrem Konto ausgefüllt haben, können Sie die Daten herunterladen. Nach Abschluss der Arbeiten müssen die erstellten mathematischen Modelle an derselben Stelle in Ihrem persönlichen Konto entladen werden.
Der 11. Oktober ist das Datum der „Uhrenabstimmung“: An diesem Tag können Sie Zwischenlösungen (oder bereits endgültige) senden und Feedback von den Kuratoren des Hackathons erhalten. Eine rechtzeitige kompetente Beratung erhöht Ihre Chancen, das Finale zu erreichen. Diese Option ist besonders relevant für diejenigen, die an den Nominierungen für Utkonos und Rosreestr teilnehmen, von denen jede mehrere Lösungen umfasst.
Am 20. Oktober werden die Ergebnisse der Qualifikationsphase zusammengefasst, und am 21. Oktober werden die Ergebnisse
an die Teilnehmer der Mailingliste
gesendet und auf der
RAIF Hackathon- Website veröffentlicht.
In jeder Kategorie treffen sich die zehn besten Teams, die sich für das Finale qualifiziert haben, am 23. Oktober in Moskau im Rahmen des RAIF-Wirtschaftsforums bei der Endrunde. Die Finalisten warten auf zusätzliche Daten und 4 Stunden Codierung, um ihr Projekt abzuschließen. All dies steht vor anerkannten Experten auf dem Gebiet der KI / ML und Top-Managern großer russischer Unternehmen. Abschließend findet eine Nachbesprechung und Belohnung statt.
Bei der Nominierung von NLMK werden die Gewinner anhand des absoluten Ergebnisses ermittelt. In den Nominierungen von Utkonos und Rosreestr entscheidet die Jury anhand der Ergebnisse des Schutzes der eingereichten Werke über die besten Entscheidungen. Der Preisfonds wird von 3 Teams geteilt - jedes erhält 350.000 Rubel.
Aufgaben, sie sind Nominierungen
AI für NLMK
Die Aufgabe besteht darin, die Laufzeit des Stahlbandes über dem Standort des Warmwalzwerks vorherzusagen.
Das Warmwalzwerk von NLMK produziert Walzprodukte mit einer Breite von bis zu 1850 mm und einer Dicke von 1,45 mm bis 16 mm. Sortenbereich - von kohlenstoffarm bis hochfest, einschließlich Kohlenstoffsorten, sowie Elektrostahl. Die Hauptverbraucher von warmgewalzten Coils und Blechen sind Bauunternehmen, Schiffbau, Automobilindustrie, Rohrhersteller sowie ihre eigene Produktion von kaltgewalzten Produkten.
Warmgewalzte Produkte sind wie folgt. Beheizte Brammen werden von den methodischen Öfen in die Mühlenlinie entladen - Stahlplatten, die als Rohling zum Walzen dienen. Während des Walzprozesses entlang der Mühlenlinie wird ein Stahlstreifen in den Ständern der Schrupp- und Endbearbeitungsgruppen komprimiert, dünner und länger und am Ende auf speziellen Wicklern aufgerollt. Je dünner und länger der Streifen wird, desto schneller sollte er sich im Lager bewegen.
Als Eingabedaten werden anonyme Daten von Streifen (Breite, Dicke usw.) und anonyme Daten zum Betrieb der Mühle vor dem Walzen des nächsten Streifens (Rollentischgeschwindigkeiten, Standleistung usw. ohne Bezugnahme auf das Schema) verwendet. In den Parameternamen werden ihre physikalische Bedeutung ist angegeben.
Andrzej Arshavsky, Direktor für Datenanalyse, NLMK:
Im Hackathon-Format wollen wir versuchen, das Problem der Vorhersage des Zeitpunkts der Stahlmiete in einer unserer Schlüsseleinheiten zu lösen. Der Hackathon ermöglicht es, den üblichen Produktionsprozess aus verschiedenen Blickwinkeln zu betrachten und zu beobachten, wie unterschiedliche, manchmal unerwartete Ansätze verwendet werden, um ihn zu optimieren. Und für RAIF Hackathon-Teilnehmer ist dies eine Chance, sich zu beweisen, ein anderes praktisches Problem zu lösen und ihr Niveau unter Kollegen zu verstehen.
KI für Rosreestr
Kreative Aufgabe!
Bestimmen Sie die Parameter, die sich auf den Wert von Immobilien auswirken, und erstellen Sie ein mathematisches Modell, das den Marktwert dieser Objekte schätzt.
Neue Technologien, insbesondere maschinelles Lernen, können die Effizienz der Immobilienbewertung erheblich steigern. Analytisch gewonnene Schlussfolgerungen können schrittweise durch Schlussfolgerungen ersetzt werden, die durch Algorithmen für maschinelles Lernen „generiert“ wurden, basierend auf einer Analyse der Situation auf dem Immobilienmarkt und dem Grad des Einflusses verschiedener Faktoren auf den Wert von Immobilien.
In diesem Wettbewerb werden die Teilnehmer gebeten, ein Prognosemodell zu erstellen, das auf dem bereitgestellten Entladen und anderen Daten aus offenen Quellen basiert, die den Marktwert des Objekts bestimmen. Gleichzeitig müssen die Teilnehmer die Daten, die die Grundlage für die Bestimmung des Marktwerts bilden, und die Stichprobe selbst für die Erstellung des Modells unabhängig in offenen Quellen finden. Als geschätztes Ergebnis des Hackathons wird eine Reihe des vorgeschlagenen mathematischen Modells und der Präsentation betrachtet.
Die Präsentation muss Folgendes widerspiegeln:
- externe Daten, die bei der Erstellung des Modells verwendet wurden
- Methoden zur Beurteilung der Richtigkeit des Modells und ihrer Ergebnisse
- Beschreibung des Modells selbst
- eine Beschreibung der wichtigsten Parameter und Schlussfolgerungen, die auf dieser Grundlage gezogen werden können.
Kreative Bewertungsoptionen- Praktische Anwendbarkeit
- Gut : analytische Arbeit erledigt. Bei der Erstellung des Modells wurden verschiedene externe Faktoren berücksichtigt, die den Wert von Immobilien beeinflussen. Das Modell kann den Wert von Immobilien vorhersagen, da keine Informationen über eine Reihe externer Faktoren vorliegen.
- Schlecht : Schlussfolgerungen, die alle Faktoren auf die gleiche Weise beeinflussen, oder das Modell funktioniert nur für einen kleinen Teil der Objekte
- Methode zur Beurteilung der Genauigkeit einer Lösung
- Gut : Finden der richtigen Testprobe, die Fähigkeit, die Funktionsweise des Modells zu demonstrieren
- Schlecht : Berechnet den Katasterwert nach der bekannten Formel
- Externe Daten verwenden
- Gut : Sie haben die Auswirkungen verschiedener externer Faktoren analysiert und bewertet (Nähe zur Schlüsselinfrastruktur, Verkehrsanbindung, Zustand des Hauses, Vorhandensein von Parks / Waldparks, Gewässern, fehlende Deponien usw.).
- Schlecht : Es wurden keine Parameter hinzugefügt oder falsch verwendet (das Durchsickern der Zielvariablen ist zulässig).
- Neuheit
- Gut : Schlussfolgerungen und Lösungen unterscheiden sich von bekannten und zugänglichen
- Schlecht : Verwendet die Standardformel zur Berechnung
Timofey Alekseev, stellvertretender Leiter der IT-Abteilung, Rosreestr:
Es wird für uns interessant sein, den praktischen Nutzen der vorgestellten Lösungen und die Möglichkeit ihrer weiteren Anwendung in der Arbeit des Dienstes zu bewerten. Wir erwarten von den Teilnehmern nicht standardisierte Lösungen und Liebe zum Detail.
KI für das Schnabeltier
Kreative Aufgabe!
Analysieren Sie die Nachfrage nach Produkten des Online-Hypermarkts anhand historischer Daten zur Rücknahme von Waren aus Lagern in den letzten Jahren.
Die Lösung wird dem Unternehmen helfen, angesichts der sich ändernden Nachfrage die erforderliche Menge an Waren in Lagern bereitzustellen.
Im Rahmen dieser Aufgabe sind folgende interessant:
- Algorithmen und Lösungen, die berücksichtigen könnten, wie sich die Preisänderung und die Verfügbarkeit einiger Waren auf die Nachfrage nach anderen Waren auswirkt (Halo-Effekt, "Kannibalisierung").
- Definition von Waren, die Ersatzwaren und verwandte Produkte sind.
- Identifizierung von Mustern im Kundenverhalten, Prognose von Bestellungen für Waren basierend auf diesen Mustern.
Vladimir Alabin, Manager für Prognoseautomation, Utkonos:
Wir möchten ein vollständigeres Bild der Nachfrage und der sie beeinflussenden Faktoren haben, um die Kundenanforderungen so weit wie möglich zu erfüllen und andererseits den Lagerbetrieb zu optimieren.
Kreative Bewertungsoptionen- Domain-Verständnis
- Gut : Die Lösung basiert auf einem Verständnis der Geschäftsanforderungen.
- Schlecht : Laut Teilnehmer sind alle Parameter gleichermaßen nützlich, mehr oder weniger vorhergesagt - es gibt keinen Unterschied.
- Kosteneffizienz
- Gut : Sie haben Indikatoren berechnet, die für das Einzelhandelsgeschäft von Interesse sein können (z. B. von der Implementierung des Systems profitieren).
- Schlecht : Gezählte abstrakte AUC oder Genauigkeit. Was die Verwendung des Geschäfts ist, ist unklar.
- Externe Daten verwenden
- Gut : Sie haben die Auswirkungen von Feiertagen, Wetter und anderen externen Faktoren geschätzt.
- Schlecht : weit hergeholte Parameter hinzugefügt (wie die Auswirkung des Wetters auf den Mars).
- Neuheit
- Gut : Sie haben etwas Eigenes mitgebracht und gezeigt, wie es sich von vorgefertigten Lösungen unterscheidet.
- Schlecht : Stackoverflow geöffnet, eine ähnliche Frage und Antwort gefunden, analog gemacht.
>> Werden Sie Mitglied des RAIF Hackathon <<
Achtung! Wir ziehen 10 Tickets für den technischen Bereich
Nach Abschluss des RAIF-Hackathons findet ein technischer Bereich statt, in dem Sie anerkannte Experten von Data Science - Vertreter bekannter russischer und ausländischer Unternehmen (einschließlich Startups) - hören können. Unter ihnen:
Konstantin Vorontsov , Professor, Abteilung für Intelligente Systeme, FUPM MIPT;
Dmitry Bugaychenko , Software-Ingenieur bei Odnoklassniki;
Emeli Dral , Chief Data Scientist Mechanica.AI;
Nikolay Knyazev , Leiter des Data Science-Teams bei Jet Infosystems;
Alexey Dral CEO BigData Team und andere.
Alle Hackathon-Finalisten können kostenlos am technischen Bereich teilnehmen. Für diejenigen, die noch nicht sicher sind oder nicht am Hackathon teilnehmen möchten, aber wirklich an dieser Veranstaltung teilnehmen möchten, geben wir die Verlosung von 10 Tickets bekannt! Bis einschließlich 9. Oktober erneut auf Facebook und / oder Vkontakte posten und den Link hier senden - in einer persönlichen Nachricht. Die Gewinner werden am 10. Oktober von einem Zufallsgenerator ermittelt. Wir werden alle über Drogen benachrichtigen.
UPD: Freunde, für die operative Interaktion mit RAIF-Hackathon-Teilnehmern haben wir einen Telegramm-Chat t.me/RAIFHACK erstellt - dort können Sie Fragen zum Hackathon stellen.