Neulich fand das Hackathon-Finale für AI / ML-Entwickler,
RAIF Hackathon , statt, dessen Teilnehmer die Probleme der Partnerunternehmen lösten. Unter dem Schnitt unser Fotobericht und eine Kurzgeschichte über die Gewinnerprojekte.
Zunächst bedanken wir uns im Namen des Organisationskomitees der Veranstaltung bei allen Hackathon-Teilnehmern für ihre Arbeit und die vorgestellten Lösungen und natürlich für das Feedback! Sie war von Anfang an viel. Es war anders: Manchmal wurden uns einfach knifflige Fragen gestellt, manchmal äußerten sie Zweifel. Manchmal gab es viele Emotionen von J, aber wir sind den Teilnehmern für ihre Besorgnis äußerst dankbar. Weil sie uns keinen Abstieg gaben und uns motivierten, besser zu werden.
Wir haben unsererseits versucht, eingehende Anfragen zu berücksichtigen - irgendwo waren wir uns nicht einig, aber irgendwo sind wir weitergegangen. So haben wir zum Beispiel zwei Wellen für die Bereitstellung von Werken in den Nominierungen von Utkonos und Rosreestr geschlagen.
Viele beklagten sich auch über die Unannehmlichkeiten von XML-Tabellen, in deren Form Rosreestr-Daten bereitgestellt wurden. Daher haben wir eine Startlösung entwickelt, bei der eines der Skripte eine grobe Analyse dieser Tabellen durchführte.
Und nun zu den Ergebnissen. Wir haben 322 Anträge auf Teilnahme von Entwicklern aus verschiedenen Städten Russlands und ausgewählten Projekten erhalten. 42 Teams erreichten das Finale in der Nominierung von NMLK, 4 Teams kämpften in der Nominierung von Utkonos und 5 Teams in der Nominierung von Rosreestr.
Finale - wie es war
23. Oktober. Trotz des frühen Starts des Hackathons war die überwiegende Mehrheit der Teilnehmer um 8.30 Uhr morgens nicht nur angekommen, sondern hatte lange auf den Start des Wettbewerbs gewartet.
Um 9 Uhr erhielten alle Flash-Laufwerke mit zusätzlichen Daten, und für die nächsten 3 Stunden und 40 Minuten stürzten sich alle in die Arbeit.
Die meisten entschieden sich für Sitzplätze an den Tischen, einige setzten sich lieber auf Hocker.
Es ist merkwürdig, dass nicht alle Teams, die das Rosreestr-Problem gelöst haben, die bereitgestellten Daten verwendeten: Einige begannen, ein abstrakteres Problem zu lösen, indem sie sich auf die Daten von Drittunternehmen bezogen.
Erinnern Sie sich daran, dass es beim Hackathon drei Aufgaben gab: eine von NLMK - um die Produktion von Walzstahl zu beschleunigen, wurde hier die klassische, regelmäßig aktualisierte Rangliste verwendet; und zwei kreative Aufgaben von Utkonos und Rosreestr: Analyse der Nachfrage nach Waren und Prognose des Katasterwerts von Immobilien. Es war nicht nur erforderlich, eine Lösung bereitzustellen, sondern auch ihre Arbeit vor der Jury zu schützen. Lesen Sie hier mehr über die Bedingungen der Aufgaben.
Als die für die Entwicklung vorgesehene Zeit abgelaufen war und die Teilnehmer zu Abend gegessen hatten, begann die Phase der Projektpräsentationen zur Lösung der Probleme von Platypus und Rosreestr. Jedes Team, um die Arbeit zu schützen, hat 5 Minuten zugeteilt.
Drei Teams schlugen ihre Lösungen für das Utkonos-Problem vor:
Die Aufgabe von Rosreestr wurde von fünf Teams gelöst:
Nach all den Präsentationen ging die Jury zum Nachdenken.
Und schließlich wurden die Gewinner in jeder der drei Nominierungen bekannt gegeben.
Bei der NLMK-Nominierung wurde der Sieg durch den absoluten Indikator bestimmt - die maximale Vorhersagegenauigkeit des ML-Modells. Infolge eines erbitterten Kampfes gewann das Keksik-Team.
Der Schnabeltier bevorzugte die Entscheidung eines Teams mit dem sprechenden Namen Help The Platypus. Die Teilnehmer konzentrierten sich auf die Analyse von Gruppen verwandter Produkte und Gruppen von Ersatzprodukten. Die Kosteneffizienz der Lösung wurde ebenfalls bewertet.
Und Rosreestr gefiel die Entscheidung des r_test-Teams am besten. Die Jungs führten eine gründliche Analyse der externen Daten durch und verwendeten Parameter wie die Entfernung zum nächsten Bahnhof, Teich und Points of Interest (POI).
Herzlichen Glückwunsch noch einmal an alle Teilnehmer und Gewinner!
Am Ende des Hackathons veranstaltete Victor Kantor, Autor des Kurses Data Mining in Action, einen technischen Bereich. Wissenschaftler, Mathematiker und Experten von Data Science führender russischer Unternehmen tauschten ihre Erfahrungen und die neuesten Fälle im Bereich ML / AI aus.
Konstantin Vorontsov (
MIPT ) sprach über thematische Vektordarstellungen von Texten, Grafiken und Transaktionsdaten.
Emeli Dral (
Mechanica.AI ) hielt einen Vortrag über künstliche Intelligenz im Bereich der Produktion, der nach der Aufgabe von NLMK, die Produktionsprozesse innerhalb des Hackathons zu optimieren, besonders interessant war.
Nikolai Knyazev (
Jet Infosystems ) verglich Geschäftsmetriken und Metriken für maschinelles Lernen. Die Auswahl der richtigen Metrik war einer der Parameter, anhand derer der Gewinner der Utkonos-Nominierung ermittelt wurde.
Alexey Dral
(BigData Team) behandelte das Thema Massentraining zu Big Data.
Dmitry Bugaychenko (
Odnoklassniki ) führte das Publikum in die Erstellung eines Content-Showcases ein, das Streaming-Datenanalyse und Verstärkungstraining verwendet.
Alexey Katkevich (
Jet Infosystems ) teilte den Teilnehmern mit, wie ML-Modelle auf das Produkt übertragen werden können.
Und Evgeny Burnaev (
Skoltech ) gab Fälle für die Erkennung von Anomalien und die Vorhersage von Transportstörungen an.