2018 RAIF हैकथॉन एआई हैकथॉन परिणाम

दूसरे दिन, AI / ML डेवलपर्स - RAIF हैकथॉन के लिए हैकाथॉन फाइनल हुआ , जिसमें से प्रतिभागियों ने साझेदार कंपनियों के कार्यों को हल किया। कट हमारी फोटो रिपोर्ट और जीतने की परियोजनाओं के बारे में एक छोटी कहानी के तहत।

सबसे पहले, आयोजन की आयोजन समिति की ओर से, हम सभी हैकथॉन प्रतिभागियों को उनके काम के लिए और प्रस्तुत किए गए समाधानों और निश्चित रूप से, प्रतिक्रिया के लिए धन्यवाद देते हैं! वह बहुत कुछ था, शुरू से ही। यह अलग था: कभी-कभी हमसे मुश्किल सवाल पूछे जाते थे, कभी-कभी वे संदेह व्यक्त करते थे। कभी-कभी J की बहुत सारी भावनाएं थीं, लेकिन हम प्रतिभागियों को उनकी चिंता के लिए बहुत आभारी हैं। क्योंकि उन्होंने हमें वंश नहीं दिया और हमें बेहतर बनने के लिए प्रेरित किया।

हमारे हिस्से के लिए, हमने आने वाले अनुरोधों को ध्यान में रखने की कोशिश की - कहीं हम सहमत नहीं थे, लेकिन कहीं न कहीं हम आगे बढ़ गए। इसलिए, उदाहरण के लिए, हमने Utkonos और Rosreestr से नामांकन में कार्यों के प्रावधान के लिए दो तरंगें बनाईं।

साथ ही, कई लोगों ने XML टेबल्स की असुविधा के बारे में शिकायत की, जिसमें रोसरेस्टर डेटा प्रदान किया गया था, इसलिए हमने एक शुरुआती समाधान किया, जिसमें से एक स्क्रिप्ट ने इन तालिकाओं के मोटे तौर पर पार्सिंग का प्रदर्शन किया।



और अब परिणामों के बारे में। हमें रूस के विभिन्न शहरों और चयनित परियोजनाओं के डेवलपर्स से भागीदारी के लिए 322 आवेदन प्राप्त हुए। 42 टीमें NMLK से नामांकन में फाइनल में गईं, 4 टीमों ने Utkonos से नामांकन में और 5 टीमों ने Rosreestr से नामांकन में लड़ाई लड़ी।

अंतिम - यह कैसा था

23 अक्टूबर। हैकाथॉन की शुरुआती शुरुआत के बावजूद, सुबह 8.30 बजे तक प्रतिभागियों का भारी बहुमत न केवल आ गया था, बल्कि लंबे समय से प्रतियोगिता के शुरू होने का इंतजार कर रहा था।





9 बजे सभी को अतिरिक्त डेटा के साथ फ्लैश ड्राइव दिए गए, और अगले 3 घंटे 40 मिनट तक वे सभी काम में लगे रहे।





अधिकांश ने तालिकाओं पर सीटें चुनीं, कुछ ने ओटोमैन पर बैठना पसंद किया।





यह उत्सुक है कि रोसरेस्टर समस्या को हल करने वाली सभी टीमों ने प्रदान किए गए डेटा को नहीं लिया: कुछ ने तृतीय-पक्ष कंपनियों के डेटा का उल्लेख करके अधिक सार समस्या को हल करना शुरू कर दिया।









याद करें कि हैकाथॉन में तीन कार्य थे: एक एनएलएमके से - लुढ़का हुआ स्टील के उत्पादन में तेजी लाने के लिए, क्लासिक नियमित रूप से अपडेट किए गए लीडरबोर्ड का उपयोग यहां किया गया था; और Utkonos और Rosreestr से दो रचनात्मक कार्य: माल की मांग की मांग का विश्लेषण और क्रमशः अचल संपत्ति के भूकर मूल्य का पूर्वानुमान। यह न केवल एक समाधान प्रदान करने के लिए आवश्यक था, बल्कि जूरी से पहले उनके काम की रक्षा करने के लिए भी आवश्यक था। कार्यों की शर्तों के बारे में यहाँ पढ़ें।



जब विकास के लिए आवंटित समय समाप्त हो गया और प्रतिभागियों ने भोजन किया, तो प्लैटिपस और रोसरेस्टर की समस्याओं को हल करने के लिए परियोजना प्रस्तुतियों का चरण शुरू हुआ। प्रत्येक टीम को कार्य की सुरक्षा के लिए 5 मिनट आवंटित किए गए हैं।

तीन टीमों ने यूकोनोस समस्या के अपने समाधान प्रस्तावित किए:







Rosreestr का कार्य पांच टीमों द्वारा हल किया गया था:













सभी प्रस्तुतियों के बाद, जूरी ने सोचना छोड़ दिया।





और अंत में, तीन नामांकन में से प्रत्येक में विजेताओं की घोषणा की गई।

एनएलएमके नामांकन में, जीत पूर्ण संकेतक द्वारा निर्धारित की गई थी - एमएल मॉडल की अधिकतम अनुमानित सटीकता। एक कड़वे संघर्ष के परिणामस्वरूप, कीसिक टीम ने जीत हासिल की।



प्लैटिपस ने बोलने वाले नाम हेल्प द प्लैटिपस के साथ एक टीम के निर्णय को प्राथमिकता दी। इसके प्रतिभागियों ने संबंधित उत्पादों के समूहों और स्थानापन्न उत्पादों के समूहों के विश्लेषण पर ध्यान केंद्रित किया। समाधान की लागत-प्रभावशीलता का भी मूल्यांकन किया गया था।



और रोजरेस्ट्र को r_test टीम का निर्णय सबसे ज्यादा पसंद आया। लोगों ने बाहरी डेटा का गहन विश्लेषण किया और निकटतम रेलवे स्टेशन, तालाब की दूरी और रुचि के बिंदु (पीओए) जैसे मापदंडों का इस्तेमाल किया।





सभी प्रतिभागियों और विजेताओं को फिर से बधाई!



हैकथॉन के अंत में, एक तकनीकी खंड को एक्शन कोर्स में डाटा माइनिंग के लेखक विक्टर कांटोर द्वारा होस्ट किया गया था। प्रमुख रूसी कंपनियों के डेटा साइंस के वैज्ञानिकों, गणितज्ञों और विशेषज्ञों ने एमएल / एआई के क्षेत्र में अपने अनुभव और नवीनतम मामलों को साझा किया।

कोंस्टेंटिन वोरोत्सोव ( एमआईपीटी ) ने ग्रंथों, रेखांकन और लेनदेन डेटा के विषयगत वेक्टर प्रतिनिधित्व के बारे में बात की।



एमेली ड्राल (मैकेनिका.एआई) ने उत्पादन के क्षेत्र में कृत्रिम बुद्धिमत्ता पर एक प्रस्तुति दी, जो कि हैकेथॉन के भीतर उत्पादन प्रक्रियाओं का अनुकूलन करने के लिए एनएलएमके से कार्य के बाद विशेष रूप से दिलचस्प था।





निकोलाई कनीज़ेव ( जेट इन्फोसिस्टम्स ) ने व्यावसायिक मैट्रिक्स और मशीन लर्निंग मेट्रिक्स की तुलना की। सही मीट्रिक का चयन करना एक ऐसा पैरामीटर था जिसके द्वारा यूकोनोस नामांकन में विजेता निर्धारित किया गया था।



एलेक्सी ड्राल (बिगडाटा टीम) ने बिग डेटा पर बड़े पैमाने पर प्रशिक्षण के विषय को कवर किया ।



दिमित्री बुगायाचेंको (ओडनोक्लास्निक) ने दर्शकों को स्ट्रीमिंग डेटा विश्लेषण और सुदृढीकरण प्रशिक्षण का उपयोग करके एक सामग्री शोकेस बनाने के लिए पेश किया।



अलेक्सई काटकेविच ( जेट इन्फोसिस्टम्स ) ने प्रतिभागियों के साथ साझा किया कि उत्पाद में एमएल-मॉडल कैसे स्थानांतरित करें,



और एवगेनी बर्नैव ( स्कोलेटेक ) ने विसंगतियों का पता लगाने और परिवहन में खराबी की भविष्यवाणी करने के लिए मामले दिए।