L'autre jour, a eu lieu la finale du hackathon pour les développeurs AI / ML,
RAIF Hackathon , dont les participants ont résolu les problèmes des entreprises partenaires. Sous la coupe, notre reportage photo et une courte histoire sur les projets gagnants.
Tout d'abord, au nom du comité d'organisation de l'événement, nous remercions tous les participants au hackathon pour leur travail et les solutions présentées et, bien sûr, pour les retours! Elle était beaucoup, dès le début. C'était différent: parfois on nous posait simplement des questions délicates, parfois ils exprimaient des doutes. Parfois, il y avait beaucoup d'émotions de J, mais nous sommes extrêmement reconnaissants aux participants pour leur inquiétude. Parce qu'ils ne nous ont pas descendus et nous ont motivés à être meilleurs.
Pour notre part, nous avons essayé de prendre en compte les demandes entrantes - quelque part où nous n'étions pas d'accord, mais quelque part où nous avons avancé. Ainsi, par exemple, nous avons fait deux vagues pour la fourniture d'œuvres dans les nominations d'Utkonos et de Rosreestr.
De plus, beaucoup se plaignaient des inconvénients des tables XML sous la forme desquelles les données Rosreestr étaient fournies, nous avons donc créé une solution de départ dans laquelle l'un des scripts effectuait une analyse approximative de ces tables.
Et maintenant sur les résultats. Nous avons reçu 322 demandes de participation de développeurs de différentes villes de Russie et de projets sélectionnés. 42 équipes se sont qualifiées pour la finale de la nomination de NMLK, 4 équipes ont combattu dans la nomination d'Utkonos et 5 équipes dans la nomination de Rosreestr.
Final - comment c'était
23 octobre. Malgré le début précoce du hackathon, à 8h30 du matin, la grande majorité des participants n'était pas juste arrivée, mais était longtemps assise en prévision du début de la compétition.
À 9 heures, tout le monde a reçu des lecteurs flash avec des données supplémentaires et pendant les 3 heures et 40 minutes suivantes, ils se sont tous mis au travail.
La plupart ont choisi des sièges aux tables, certains ont préféré s'asseoir sur des poufs.
Il est curieux que toutes les équipes qui ont résolu le problème Rosreestr n'aient pas pris les données fournies: certaines ont commencé à résoudre un problème plus abstrait en se référant aux données de sociétés tierces.
Rappelons qu'il y avait trois tâches lors du hackathon: une de NLMK - pour accélérer la production d'acier laminé, le classement classique régulièrement mis à jour a été utilisé ici; et deux tâches créatives d'Utkonos et de Rosreestr: analyse de la demande de biens et prévision de la valeur cadastrale des biens immobiliers, respectivement. Il fallait non seulement apporter une solution, mais aussi protéger leur travail devant le jury. En savoir plus sur les conditions des tâches
ici .
Lorsque le temps alloué au développement s'est terminé et que les participants ont dîné, l'étape des présentations de projets pour résoudre les problèmes de l'ornithorynque et du Rosreestr a commencé. Chaque équipe pour protéger le travail a alloué 5 minutes.
Trois équipes ont proposé leurs solutions au problème d'Utkonos:
La tâche de Rosreestr a été résolue par cinq équipes:
Après toutes les présentations, le jury est parti réfléchir.
Et enfin, les gagnants ont été annoncés dans chacune des trois nominations.
Dans la nomination NLMK, la victoire a été déterminée par l'indicateur absolu - la précision prédictive maximale du modèle ML. À la suite d'une lutte acharnée, l'équipe de Keksik a gagné.
L'ornithorynque a préféré la décision d'une équipe avec le nom parlant Help The Platypus. Ses participants se sont concentrés sur l'analyse de groupes de produits connexes et de groupes de produits de substitution. La rentabilité de la solution a également été évaluée.
Et Rosreestr a le plus apprécié la décision de l'équipe r_test. Les gars ont effectué une analyse approfondie des données externes et utilisé des paramètres tels que la distance jusqu'à la gare, le réservoir et les points d'intérêt (POI) les plus proches.
Félicitations encore à tous les participants et gagnants!
À la fin du hackathon, une section technique a été organisée par Victor Kantor, auteur du cours Data Mining in Action. Des scientifiques, des mathématiciens et des experts de Data Science de grandes entreprises russes ont partagé leurs expériences et les derniers cas dans le domaine du ML / AI.
Konstantin Vorontsov (
MIPT ) a parlé des représentations vectorielles thématiques des textes, des graphiques et des données transactionnelles.
Emeli Dral (
Mechanica.AI ) a fait une présentation sur l'intelligence artificielle dans le domaine de la production, ce qui était particulièrement intéressant après la tâche de NLMK d'optimiser les processus de production au sein du hackathon.
Nikolai Knyazev (
Jet Infosystems ) a comparé les mesures commerciales et les mesures d'apprentissage automatique. Le choix de la bonne métrique a été l'un des paramètres par lesquels le vainqueur de la nomination Utkonos a été déterminé.
Alexey Dral
(équipe BigData) a couvert le sujet de la formation de masse sur le Big Data.
Dmitry Bugaychenko (
Odnoklassniki ) a présenté au public la construction d'une vitrine de contenu en utilisant l'analyse des données en streaming et une formation de renforcement.
Alexey Katkevich (
Jet Infosystems ) a partagé avec les participants comment transférer des modèles ML au produit,
Et Evgeny Burnaev (
Skoltech ) a donné des cas pour détecter des anomalies et prévoir des dysfonctionnements dans le transport.