El otro día, tuvo lugar la final del hackathon para desarrolladores de IA / ML,
RAIF Hackathon ,
cuyos participantes resolvieron los problemas de las empresas asociadas. Debajo del corte nuestro reportaje fotográfico y una breve historia sobre los proyectos ganadores.
En primer lugar, en nombre del comité organizador del evento, agradecemos a todos los participantes del hackathon por su trabajo y las soluciones presentadas y, por supuesto, por los comentarios. Ella era mucho, desde el principio. Era diferente: a veces simplemente nos hacían preguntas difíciles, a veces expresaban dudas. A veces había muchas emociones de J, pero estamos extremadamente agradecidos con los participantes por su preocupación. Porque no nos dieron un descenso y nos motivaron a ser mejores.
Por nuestra parte, tratamos de tener en cuenta las solicitudes entrantes, en algún lugar en el que no estuvimos de acuerdo, pero en algún lugar avanzamos. Entonces, por ejemplo, hicimos dos olas para la provisión de trabajos en las nominaciones de Utkonos y Rosreestr.
Además, muchos se quejaron del inconveniente de las tablas XML en la forma en que se proporcionaron los datos de Rosreestr, por lo que hicimos una solución inicial en la que uno de los scripts realizó un análisis aproximado de estas tablas.
Y ahora sobre los resultados. Recibimos 322 solicitudes de participación de desarrolladores de diferentes ciudades de Rusia y proyectos seleccionados. 42 equipos fueron a la final en la nominación de NMLK, 4 equipos pelearon en la nominación de Utkonos y 5 equipos en la nominación de Rosreestr.
Final - como fue
23 de octubre. A pesar del comienzo temprano del hackathon, a las 8:30 de la mañana, la abrumadora mayoría de los participantes no solo habían llegado, sino que habían estado esperando el inicio de la competencia.
A las 9 en punto, todos recibieron unidades flash con datos adicionales, y durante las siguientes 3 horas y 40 minutos, todos se pusieron a trabajar.
La mayoría eligió asientos en las mesas, algunos prefirieron sentarse en otomanas.
Es curioso que no todos los equipos que resolvieron el problema de Rosreestr tomaron los datos proporcionados: algunos comenzaron a resolver un problema más abstracto al referirse a los datos de empresas de terceros.
Recuerde que había tres tareas en el hackathon: una de NLMK: para acelerar la producción de acero laminado, aquí se usó la tabla de clasificación clásica que se actualiza regularmente; y dos tareas creativas de Utkonos y Rosreestr: análisis de la demanda de bienes y pronóstico del valor catastral de bienes inmuebles, respectivamente. Se requería no solo para proporcionar una solución, sino también para proteger su trabajo ante el jurado. Lea más sobre las condiciones de las tareas
aquí .
Cuando terminó el tiempo asignado para el desarrollo y los participantes cenaron, comenzó la etapa de presentaciones de proyectos para resolver los problemas del Ornitorrinco y Rosreestr. Cada equipo para proteger el trabajo asignado 5 minutos.
Tres equipos propusieron sus soluciones al problema de Utkonos:
La tarea de Rosreestr fue resuelta por cinco equipos:
Después de todas las presentaciones, el jurado se fue a pensar.
Y finalmente, los ganadores fueron anunciados en cada una de las tres nominaciones.
En la nominación de NLMK, la victoria fue determinada por el indicador absoluto, la precisión predictiva máxima del modelo ML. Como resultado de una amarga lucha, el equipo de Keksik ganó.
El ornitorrinco prefirió la decisión de un equipo con el nombre de habla Ayuda al ornitorrinco. Sus participantes se centraron en el análisis de grupos de productos relacionados y grupos de productos sustitutos. También se evaluó la rentabilidad de la solución.
Y a Rosreestr le gustó más la decisión del equipo r_test. Los chicos realizaron un análisis profundo de datos externos y utilizaron parámetros como la distancia a la estación de tren, estanque y puntos de interés (POI) más cercanos.
¡Felicitaciones nuevamente a todos los participantes y ganadores!
Al final del hackathon, Victor Kantor, autor del curso Data Mining in Action, organizó una sección técnica. Científicos, matemáticos y expertos de Data Science de las principales compañías rusas compartieron sus experiencias y los últimos casos en el campo de ML / AI.
Konstantin Vorontsov (
MIPT ) habló sobre representaciones temáticas de vectores de textos, gráficos y datos transaccionales.
Emeli Dral (
Mechanica.AI ) hizo una presentación sobre inteligencia artificial en el campo de la producción, que fue especialmente interesante después de la tarea de NLMK de optimizar los procesos de producción dentro del hackathon.
Nikolai Knyazev (
Jet Infosystems ) comparó las métricas comerciales y las métricas de aprendizaje automático. Elegir la métrica correcta fue uno de los parámetros por los cuales se determinó el ganador en la nominación de Utkonos.
Alexey Dral
(Equipo BigData) cubrió el tema del entrenamiento masivo en Big Data.
Dmitry Bugaychenko (
Odnoklassniki ) introdujo a la audiencia para construir un escaparate de contenido utilizando análisis de datos de transmisión y aprendizaje de refuerzo.
Alexey Katkevich (
Jet Infosystems ) compartió con los participantes cómo transferir modelos ML al producto,
Y Evgeny Burnaev (
Skoltech ) dio casos para detectar anomalías y predecir fallas en el transporte.