Teman, kami meluncurkan kompetisi di antara pengembang AI / ML -
RAIF Hackathon . Kami mengundang Anda untuk berpartisipasi! Acara ini diadakan sebagai bagian dari forum bisnis bisnis RAIF 2018 (The Russian Artificial Intelligence Forum). Setahun yang lalu kami membuat
hackathon yang serupa, tetapi kali ini formatnya akan berbeda. Ada 2 tahap yang menunggu Anda: kualifikasi online dan pertempuran offline terakhir di depan para tamu RAIF. Tiga tugas - dari Rosreestr, Utkonos dan Pabrik Metalurgi Novolipetsk (NLMK) - dan, karenanya, tiga nominasi untuk dipilih. Dana hadiah lebih dari 1 juta rubel. Dan ya, seperti pada tahun lalu, akan perlu untuk menyelesaikan tugas-tugas dengan bantuan teknologi pembelajaran mesin;).
Anda dapat berpartisipasi sendiri atau dalam tim hingga 3 orang. Anda dapat memilih satu, dua, atau bahkan ketiga tugas yang disajikan atas kebijaksanaan Anda. Dalam ketiga kasus, Anda akan tersedia untuk data nyata dari mitra kami (tentu saja, dianonimkan). Artinya, Anda akan memiliki peluang besar untuk melihat ke belakang layar bisnis mereka, yang, menurut pendapat kami, jauh lebih menarik daripada tugas fiksi abstrak yang ditawarkan di sebagian besar hackathon.
Satu tugas adalah hasil absolut:
- Mempercepat produksi baja canai (NLMK)
Peserta dalam aliran ini akan dapat melihat hasilnya di papan peringkat di situs web kompetisi.
Dua tugas lainnya kreatif:
- Untuk menganalisis permintaan barang ("Platypus").
- Memprediksi nilai kadaster real estat (Rosreestr)
Di sini kami hanya menyediakan data dari mitra, dan Anda sendiri harus mencari tahu apa yang dapat dilakukan dengan data ini.
Tetapi hal pertama yang pertama.
Online dan offline
RAIF Hackathon akan diadakan dalam dua tahap: online dan offline. Hingga 19 Oktober, termasuk, tur kualifikasi online pada tugas dari NLMK berlangsung. Untuk tugas dari Utkonos dan Rosreestr, tahap ini kurang dari 1 hari - hingga 18 Oktober. Setelah mendaftar dan mengisi profil di akun Anda, Anda dapat mengunduh data. Setelah menyelesaikan pekerjaan, akan perlu untuk menurunkan model matematika yang dibuat di tempat yang sama, di akun pribadi Anda.
11 Oktober adalah tanggal "rekonsiliasi jam": pada hari ini Anda dapat mengirim solusi perantara (atau sudah final) dan mendapatkan umpan balik dari para kurator hackathon. Nasihat ahli yang tepat waktu akan meningkatkan peluang Anda mencapai final. Opsi ini sangat relevan bagi mereka yang berpartisipasi dalam nominasi Utkonos dan Rosreestr, yang masing-masing melibatkan beberapa solusi.
Pada tanggal 20 Oktober, hasil dari tahap kualifikasi akan dirangkum, dan pada tanggal 21 Oktober hasilnya akan
dikirim ke para peserta di milis dan akan dipublikasikan di situs web
RAIF Hackathon .
Di setiap kategori, 10 tim teratas yang lolos ke final akan bertemu pada 23 Oktober di Moskow sebagai bagian dari forum bisnis RAIF di kompetisi final. Finalis sedang menunggu data tambahan dan 4 jam pengkodean untuk menyelesaikan proyek mereka. Semua ini di depan para pakar yang diakui di bidang AI / ML dan eksekutif puncak perusahaan-perusahaan besar Rusia. Sebagai kesimpulan, pembekalan dan penghargaan akan terjadi.
Dalam nominasi dari NLMK, pemenang akan ditentukan oleh hasil absolut. Dalam nominasi dari Utkonos dan Rosreestr, juri akan menentukan keputusan terbaik berdasarkan hasil perlindungan karya yang disampaikan. Dana hadiah akan dibagikan oleh 3 tim - masing-masing akan menerima 350 ribu rubel.
Tugas, mereka adalah nominasi
AI untuk NLMK
Tugasnya adalah memperkirakan waktu transit strip baja di atas lokasi rolling mill panas.
Hot rolling mill NLMK menghasilkan produk yang digulung dengan lebar hingga 1850 mm dan ketebalan 1,45 mm hingga 16 mm. Kisaran kadar - dari karbon rendah hingga berkekuatan tinggi, termasuk kadar karbon, serta baja listrik. Di antara konsumen utama gulungan dan lembaran canai panas adalah industri konstruksi, pembuatan kapal, otomotif, produsen pipa, serta produksi produk canai dinginnya sendiri.
Produk canai panas adalah sebagai berikut. Lembaran yang dipanaskan diturunkan dari tungku metodologis ke garis pabrik - pelat baja berfungsi sebagai blanko untuk penggulungan. Selama proses penggulungan di sepanjang garis penggilingan, sebilah baja dikompresi di dudukan kelompok yang mengasar dan finishing, menjadi lebih tipis dan lebih lama, dan pada akhirnya digulung menjadi gulungan pada lilitan khusus. Semakin tipis dan semakin panjang stripnya, semakin cepat ia harus bergerak di sekitar kamp.
Sebagai input data, data anonim strip (lebar, ketebalan, dll.) Dan data anonim pada operasi pabrik sebelum menggulung strip berikutnya (kecepatan meja bergulir, daya tahan, dll. Tanpa mengacu pada skema) digunakan. Dalam parameter nama akan makna fisik mereka ditunjukkan.
Andrzej Arshavsky, Direktur Analisis Data, NLMK:
Dalam format hackathon, kami ingin mencoba memecahkan masalah prediksi waktu penyewaan baja di salah satu unit utama kami. Hackathon memungkinkan untuk melihat proses produksi yang biasa dari sudut yang berbeda, untuk mengamati betapa berbedanya, kadang-kadang pendekatan yang tidak terduga digunakan untuk mengoptimalkannya. Dan untuk peserta RAIF Hackathon, ini adalah kesempatan untuk membuktikan diri, mencoba memecahkan masalah praktis lain dan memahami level mereka di antara rekan kerja.
AI untuk Rosreestr
Tugas kreatif!
Tentukan parameter yang mempengaruhi nilai real estat, dan bangun model matematika yang memperkirakan nilai pasar dari objek-objek ini.
Teknologi baru, khususnya pembelajaran mesin, dapat secara signifikan meningkatkan efisiensi penilaian real estat. Kesimpulan yang diperoleh secara analitis dapat secara bertahap digantikan oleh kesimpulan "yang dihasilkan" oleh algoritma pembelajaran mesin berdasarkan analisis situasi di pasar real estat dan tingkat pengaruh berbagai faktor terhadap nilai real estat.
Dalam kompetisi ini, para peserta diundang untuk membangun model perkiraan berdasarkan pembongkaran yang disediakan dan data lain dari sumber terbuka yang akan menentukan nilai pasar objek. Pada saat yang sama, data yang akan menjadi dasar untuk menentukan nilai pasar, dan sampel itu sendiri untuk membangun model, peserta harus menemukan secara independen dalam sumber terbuka. Sebagai hasil estimasi hackathon, sekelompok model matematika yang diusulkan dan presentasi akan dipertimbangkan.
Presentasi harus mencerminkan:
- data eksternal yang digunakan dalam pembangunan model
- metode untuk menilai kebenaran model dan hasilnya
- deskripsi model itu sendiri
- deskripsi parameter dan kesimpulan paling penting yang dapat ditarik atas dasar ini.
Opsi Evaluasi Kreatif- Penerapan praktis
- Bagus : pekerjaan analitis selesai. Ketika membangun model, berbagai faktor eksternal yang mempengaruhi nilai real estat diperhitungkan. Model ini dapat memprediksi nilai real estat, mengingat kurangnya informasi tentang sejumlah faktor eksternal.
- Buruk : kesimpulan bahwa semua faktor memengaruhi dengan cara yang sama, atau model hanya berfungsi untuk sebagian kecil objek
- Metode untuk menilai keakuratan suatu solusi
- Baik : menemukan sampel uji yang tepat, kemampuan untuk menunjukkan operasi model
- Buruk : menghitung nilai kadaster sesuai dengan rumus terkenal
- Menggunakan data eksternal
- Baik : Anda menganalisis dan mengevaluasi pengaruh berbagai faktor eksternal (kedekatan dengan infrastruktur utama, aksesibilitas transportasi, kondisi rumah, keberadaan taman / taman hutan, badan air, kurangnya tempat pembuangan sampah, dll.)
- Buruk : tidak menambahkan parameter apa pun atau menggunakannya secara salah (mengizinkan kebocoran variabel target)
- Kebaruan
- Bagus : kesimpulan dan solusi berbeda dari yang dikenal dan dapat diakses
- Buruk : menggunakan rumus standar untuk menghitung
Timofey Alekseev, Wakil Kepala Departemen TI, Rosreestr:
Akan menarik bagi kita untuk mengevaluasi manfaat praktis dari solusi yang disajikan dan kemungkinan penerapannya lebih lanjut dalam pekerjaan layanan. Kami mengharapkan solusi non-standar dan perhatian terhadap detail dari para peserta.
AI untuk The Platypus
Tugas kreatif!
Menganalisis permintaan produk-produk dari hypermarket online menggunakan data historis tentang penukaran barang dari gudang selama beberapa tahun terakhir.
Solusinya akan membantu perusahaan menyediakan jumlah barang yang dibutuhkan di gudang, mengingat perubahan permintaan.
Dalam kerangka tugas ini, berikut ini menarik:
- Algoritma dan solusi yang bisa memperhitungkan bagaimana perubahan harga dan ketersediaan beberapa barang mempengaruhi permintaan barang lain (Halo effect, "kanibalisasi").
- Definisi barang yang merupakan barang pengganti dan produk terkait.
- Identifikasi pola dalam perilaku pelanggan, meramalkan pesanan barang berdasarkan pola ini.
Vladimir Alabin, Manajer Otomatisasi Peramalan, Utkonos:
Kami ingin memiliki gambaran permintaan yang lebih lengkap dan faktor-faktor yang mempengaruhinya untuk memenuhi kebutuhan pelanggan sebanyak mungkin, dan di sisi lain untuk mengoptimalkan operasi gudang.
Opsi Evaluasi Kreatif- Pemahaman domain
- Bagus : Solusinya didasarkan pada pemahaman akan kebutuhan bisnis.
- Buruk : menurut peserta, semua parameter sama-sama bermanfaat, lebih atau kurang diprediksi - tidak ada perbedaan.
- Efektivitas biaya
- Bagus : Anda menghitung indikator yang mungkin menarik bagi bisnis ritel (misalnya, untung dari penerapan sistem).
- Buruk : Menghitung AUC atau akurasi abstrak. Apa gunanya toko tidak jelas.
- Menggunakan data eksternal
- Bagus : Anda menghargai dampak liburan, cuaca, dan faktor eksternal lainnya.
- Buruk : parameter yang ditambahkan dibuat-buat (seperti efek cuaca di Mars).
- Kebaruan
- Bagus : Anda membawa sesuatu sendiri dan menunjukkan perbedaannya dari solusi yang sudah jadi.
- Buruk : Stackoverflow dibuka, menemukan pertanyaan dan jawaban yang serupa untuk itu, melakukannya dengan analogi.
>> Menjadi anggota RAIF Hackathon <<
Perhatian! Kami sedang menggambar 10 tiket untuk bagian teknis
Setelah menyelesaikan RAIF Hackathon, bagian teknis akan diadakan di mana Anda dapat mendengarkan pakar yang diakui dari Ilmu Data - perwakilan perusahaan Rusia dan asing yang terkenal (termasuk startup). Diantaranya:
Konstantin Vorontsov , Profesor, Departemen Sistem Cerdas, FUPM MIPT;
Dmitry Bugaychenko , insinyur perangkat lunak di Odnoklassniki;
Emeli Dral , Kepala Ilmuwan Data Mekanika.AI;
Nikolay Knyazev , kepala tim Ilmu Data di Jet Infosystems; Tim BigData CEO
Alexey Dral, dan lainnya.
Semua finalis hackathon akan dapat menghadiri bagian teknis secara gratis. Bagi mereka yang belum percaya diri dengan kemampuan mereka atau tidak berencana untuk berpartisipasi dalam hackathon, tetapi benar-benar ingin menghadiri acara ini, kami mengumumkan pengundian 10 tiket! Hingga 9 Oktober, inklusif, posting ulang di Facebook dan / atau Vkontakte dan kirim tautannya di sini - dalam pesan pribadi. Pemenang akan ditentukan pada 10 Oktober oleh generator nomor acak. Kami akan memberi tahu semua orang melalui narkoba.
UPD: teman-teman, untuk interaksi operasional dengan peserta RAIF Hackathon kami membuat obrolan telegram t.me/RAIFHACK - Anda dapat mengajukan pertanyaan tentang hackathon di sana.