Amigos, lanzamos una competencia entre los desarrolladores de AI / ML:
RAIF Hackathon . Te invitamos a participar! El evento se lleva a cabo como parte del foro de negocios de RAIF 2018 (The Russian Artificial Intelligence Forum). Hace un año hicimos un
hackathon similar, pero esta vez el formato será diferente. Hay 2 etapas esperándote: la calificación en línea y la batalla final fuera de línea frente a los invitados RAIF. Tres tareas, de Rosreestr, Utkonos y la planta metalúrgica Novolipetsk (NLMK), y, en consecuencia, tres nominaciones para elegir. El fondo del premio es más de 1 millón de rublos. Y sí, como en el año pasado, será necesario resolver las tareas con la ayuda de tecnologías de aprendizaje automático;).
Puedes participar solo o en un equipo de hasta 3 personas. Puede elegir una, dos o incluso las tres tareas presentadas a su discreción. En los tres casos, estará disponible para los datos reales de nuestros socios (por supuesto, anonimizados). Es decir, tendrá una gran oportunidad de mirar detrás de escena de su negocio, que, en nuestra opinión, es mucho más interesante que las tareas de ficción abstractas que se ofrecen en la mayoría de los hackatones.
Una tarea es el resultado absoluto:
- Acelerar la producción de acero laminado (NLMK)
Los participantes en esta transmisión podrán ver sus resultados en la tabla de clasificación en el sitio web de la competencia.
Otras dos tareas son creativas:
- Analizar la demanda de bienes ("Ornitorrinco").
- Predecir el valor catastral de los bienes inmuebles (Rosreestr)
Aquí solo proporcionamos datos de socios, y usted mismo tendrá que descubrir qué se puede hacer con estos datos.
Pero lo primero es lo primero.
En línea y fuera de línea
RAIF Hackathon se llevará a cabo en dos etapas: en línea y fuera de línea. Hasta el 19 de octubre, inclusive, se realiza un recorrido de calificación en línea en una tarea de NLMK. Para las tareas de Utkonos y Rosreestr, esta etapa es de 1 día menos, hasta el 18 de octubre. Después de registrarse y completar un perfil en su cuenta, puede descargar los datos. Al finalizar el trabajo, será necesario descargar los modelos matemáticos creados en el mismo lugar, en su cuenta personal.
El 11 de octubre es la fecha de la "reconciliación del reloj": en este día puede enviar soluciones intermedias (o ya finales) y obtener comentarios de los curadores del hackathon. El asesoramiento oportuno de expertos aumentará sus posibilidades de llegar a la final. Esta opción es especialmente relevante para aquellos que participan en las nominaciones de Utkonos y Rosreestr, cada una de las cuales implica varias soluciones.
El 20 de octubre, se resumirán los resultados de la etapa de calificación, y el 21 de octubre, los resultados se
enviarán a los participantes en la lista de correo y se publicarán en el
sitio web de
RAIF Hackathon .
En cada categoría, los 10 mejores equipos que se clasificaron para la final se reunirán el 23 de octubre en Moscú como parte del foro de negocios RAIF en la competencia final. Los finalistas esperan datos adicionales y 4 horas de codificación para finalizar su proyecto. Todo esto está frente a expertos reconocidos en el campo de AI / ML y altos ejecutivos de grandes empresas rusas. En conclusión, se llevará a cabo una sesión informativa y gratificante.
En la nominación de NLMK, los ganadores serán determinados por el resultado absoluto. En las nominaciones de Utkonos y Rosreestr, el jurado determinará las mejores decisiones basadas en los resultados de la protección de los trabajos presentados. El fondo del premio será compartido por 3 equipos, cada uno recibirá 350 mil rublos.
Tareas, son nominaciones
AI para NLMK
La tarea es predecir el tiempo de tránsito de la banda de acero sobre el sitio del laminador en caliente.
El laminador en caliente de NLMK produce productos laminados con un ancho de hasta 1850 mm y un grosor de 1,45 mm a 16 mm. Rango de grado: desde bajo en carbono hasta alta resistencia, incluidos los grados de carbono, así como el acero eléctrico. Entre los principales consumidores de bobinas y láminas laminadas en caliente se encuentran la industria de la construcción, la construcción naval, la automotriz, los fabricantes de tuberías, así como su propia producción de productos laminados en frío.
Los productos laminados en caliente son los siguientes. Las planchas calefactadas se descargan de los hornos metodológicos a la línea del molino; las placas de acero sirven como pieza en bruto para el laminado. Durante el proceso de laminación a lo largo de la línea del molino, una tira de acero se comprime en los soportes de los grupos de desbaste y acabado, volviéndose más delgada y más larga, y al final se enrolla en rollos en bobinas especiales. Cuanto más delgada y larga sea la tira, más rápido debería moverse por el campamento.
Los datos anónimos de las tiras (ancho, grosor, etc.) y los datos despersonalizados sobre el funcionamiento del molino antes de rodar la siguiente tira (velocidad de la mesa de rodillos, potencia del soporte, etc. sin referencia al esquema) se utilizan como datos de entrada. Se indica su significado físico.
Andrzej Arshavsky, Director de Análisis de Datos, NLMK:
En el formato de hackathon, queremos intentar resolver el problema de predecir el tiempo de alquiler de acero en una de nuestras unidades clave. El hackathon permite ver el proceso de producción habitual desde diferentes ángulos, para observar cómo se utilizan enfoques diferentes, a veces inesperados, para optimizarlo. Y para los participantes de RAIF Hackathon, esta es una oportunidad para demostrar su valía, tratar de resolver otro problema práctico y comprender su nivel entre colegas.
AI para Rosreestr
Tarea creativa!
Determine los parámetros que afectan el valor de los bienes inmuebles y cree un modelo matemático que calcule el valor de mercado de estos objetos.
Las nuevas tecnologías, en particular el aprendizaje automático, pueden aumentar significativamente la eficiencia de la evaluación inmobiliaria. Las conclusiones obtenidas analíticamente pueden ser reemplazadas gradualmente por conclusiones "generadas" por algoritmos de aprendizaje automático basados en un análisis de la situación en el mercado inmobiliario y el grado de influencia de varios factores en el valor de los bienes inmuebles.
En esta competencia, los participantes están invitados a construir un modelo de pronóstico basado en la descarga proporcionada y cualquier otro dato de fuentes abiertas que determinará el valor de mercado del objeto. Al mismo tiempo, los datos que serán la base para determinar el valor de mercado, y la muestra en sí misma para construir el modelo, los participantes deben encontrar de forma independiente en las fuentes abiertas. Como resultado estimado del hackathon, se considerará un montón del modelo matemático propuesto y la presentación.
La presentación debe reflejar:
- Datos externos que se utilizaron en la construcción del modelo.
- métodos para evaluar la corrección del modelo y sus resultados.
- descripción del modelo en sí
- Una descripción de los parámetros y conclusiones más importantes que pueden extraerse sobre esta base.
Opciones de evaluación creativa- Aplicabilidad práctica
- Bien : trabajo analítico realizado. Al construir el modelo, se tuvieron en cuenta varios factores externos que afectan el valor de los bienes inmuebles. El modelo puede predecir el valor de los bienes inmuebles, dada la falta de información sobre una serie de factores externos.
- Malo : conclusiones de que todos los factores influyen de la misma manera, o el modelo funciona solo para una pequeña parte de los objetos
- Un método para evaluar la precisión de una solución.
- Bien : encontrar la muestra de prueba correcta, la capacidad de demostrar el funcionamiento del modelo.
- Malo : calculó el valor catastral de acuerdo con la fórmula conocida
- Usando datos externos
- Bueno : analizó y evaluó la influencia de varios factores externos (proximidad a la infraestructura clave, accesibilidad al transporte, estado de la casa, presencia de parques / parques forestales, cuerpos de agua, falta de vertederos, etc.)
- Malo : no agregó ningún parámetro o los usó incorrectamente (permitió la fuga de la variable objetivo)
- Novedad
- Bueno : las conclusiones y soluciones difieren de las conocidas y accesibles.
- Malo : se utilizó la fórmula estándar para calcular
Timofey Alekseev, Jefe Adjunto del Departamento de TI, Rosreestr:
Estaremos interesados en evaluar los beneficios prácticos de las soluciones presentadas y la posibilidad de su posterior aplicación en el trabajo del servicio. Esperamos soluciones no estándar y atención a los detalles de los participantes.
AI para el ornitorrinco
Tarea creativa!
Analice la demanda de productos del hipermercado en línea utilizando datos históricos sobre la redención de bienes de almacenes en los últimos años.
La solución ayudará a la compañía a proporcionar la cantidad requerida de bienes en los almacenes, dada la demanda cambiante.
En el marco de esta tarea, son interesantes:
- Algoritmos y soluciones que podrían tener en cuenta cómo el cambio en los precios y la disponibilidad de algunos bienes afecta la demanda de otros bienes (efecto Halo, "canibalización").
- Definición de bienes que son bienes sustitutos y productos relacionados.
- Identificación de patrones en el comportamiento del cliente, pronosticando pedidos de bienes basados en estos patrones.
Vladimir Alabin, Gerente de Automatización de Pronósticos, Utkonos:
Queremos tener una imagen más completa de la demanda y los factores que influyen en ella para satisfacer los requisitos del cliente tanto como sea posible y, por otro lado, optimizar las operaciones de almacén.
Opciones de evaluación creativa- Comprensión del dominio
- Bueno : la solución se basa en la comprensión de las necesidades comerciales.
- Malo : según el participante, todos los parámetros son igualmente útiles, más o menos predichos, no hay diferencia.
- Rentabilidad
- Bien : calculó indicadores que pueden ser de interés para el negocio minorista (por ejemplo, ganancias de la implementación del sistema).
- Malo : AUC abstracto contado o precisión. Cuál es el uso de la tienda no está claro.
- Usando datos externos
- Bien : apreció el impacto de las vacaciones, el clima y otros factores externos.
- Malo : parámetros agregados exagerados (como el efecto del clima en Marte).
- Novedad
- Bien : trajo algo propio y demostró en qué se diferencia de las soluciones preparadas.
- Malo : abrí Stackoverflow, encontré una pregunta y respuesta similares, lo hice por analogía.
>> Hágase miembro de RAIF Hackathon <<
Atencion Estamos sorteando 10 boletos para la sección técnica
Al finalizar RAIF Hackathon, se llevará a cabo una sección técnica en la que podrá escuchar a expertos reconocidos de Data Science, representantes de empresas rusas y extranjeras conocidas (incluidas las nuevas empresas). Entre ellos:
Konstantin Vorontsov , Profesor, Departamento de Sistemas Inteligentes, FUPM MIPT;
Dmitry Bugaychenko , ingeniero de software en Odnoklassniki;
Emeli Dral , directora científica de datos Mechanica.AI;
Nikolay Knyazev , jefe del equipo de ciencia de datos en Jet Infosystems;
Alexey Dral CEO BigData Team, y otros.
Todos los finalistas del hackathon podrán asistir a la sección técnica de forma gratuita. Para aquellos que aún no confían en sus habilidades o no planean participar en el hackathon, pero realmente quieren asistir a este evento, ¡anunciamos el sorteo de 10 boletos! Hasta el 9 de octubre, inclusive, vuelva a publicar en Facebook y / o Vkontakte y envíe el enlace aquí, en un mensaje personal. Los ganadores serán determinados el 10 de octubre por un generador de números aleatorios. Notificaremos a todos a través de las drogas.
UPD: amigos, para la interacción operativa con los participantes de RAIF Hackathon, creamos un chat de telegramas t.me/RAIFHACK: pueden hacer preguntas sobre el hackathon allí.