No outro dia, ocorreu a final do
hackathon para desenvolvedores de IA / ML,
RAIF Hackathon ,
cujos participantes resolveram os problemas das empresas parceiras. Abaixo do corte, nossa reportagem fotográfica e uma pequena história sobre os projetos vencedores.
Primeiramente, em nome da comissão organizadora do evento, agradecemos a todos os participantes do hackathon por seu trabalho e pelas soluções apresentadas e, é claro, pelo feedback! Ela era muito, desde o começo. Era diferente: às vezes nos eram feitas perguntas complicadas, às vezes elas expressavam dúvida. Às vezes, havia muitas emoções de J, mas somos extremamente gratos aos participantes por sua preocupação. Porque eles não nos deram uma descida e nos motivaram a ser melhores.
Por nossa parte, tentamos levar em consideração as solicitações recebidas - em algum lugar em que não concordamos, mas em algum lugar em que avançamos. Assim, por exemplo, fizemos duas vagas para o fornecimento de obras nas indicações de Utkonos e Rosreestr.
Além disso, muitos reclamaram da inconveniência das tabelas XML na forma como os dados do Rosreestr foram fornecidos, por isso criamos uma solução inicial na qual um dos scripts executava uma análise grosseira dessas tabelas.
E agora sobre os resultados. Recebemos 322 pedidos de participação de desenvolvedores de diferentes cidades da Rússia e projetos selecionados. 42 equipes foram para a final na indicação da NMLK, 4 equipes lutaram na indicação de Utkonos e 5 equipes na indicação de Rosreestr.
Final - como foi
23 de outubro. Apesar do início do hackathon, às 8h30 da manhã, a esmagadora maioria dos participantes havia chegado não apenas, mas há muito aguardava o início da competição.
Às 9 horas, todos receberam flash drives com dados adicionais e, pelas próximas 3 horas e 40 minutos, todos mergulharam no trabalho.
A maioria escolheu assentos nas mesas, alguns preferiram sentar em pufe.
É curioso que nem todas as equipes que resolveram o problema da Rosreestr tenham coletado os dados fornecidos: algumas começaram a resolver um problema mais abstrato referindo-se aos dados de empresas terceirizadas.
Lembre-se de que havia três tarefas no hackathon: uma da NLMK - para acelerar a produção de aço laminado, a tabela de classificação regularmente atualizada clássica era usada aqui; e duas tarefas criativas de Utkonos e Rosreestr: análise da demanda por bens e previsão do valor cadastral do imóvel, respectivamente. Era necessário não apenas fornecer uma solução, mas também proteger seu trabalho perante o júri. Leia mais sobre as condições das tarefas
aqui .
Quando o tempo previsto para o desenvolvimento terminou e os participantes jantaram, começou o estágio das apresentações do projeto para resolver os problemas do ornitorrinco e do Rosreestr. Cada equipe para proteger o trabalho alocou 5 minutos.
Três equipes propuseram suas soluções para o problema de Utkonos:
A tarefa do Rosreestr foi resolvida por cinco equipes:
Depois de todas as apresentações, o júri saiu para pensar.
E, finalmente, os vencedores foram anunciados em cada uma das três indicações.
Na nomeação NLMK, a vitória foi determinada pelo indicador absoluto - a máxima precisão preditiva do modelo ML. Como resultado de uma luta amarga, a equipe Keksik venceu.
O ornitorrinco preferiu a decisão de uma equipe com o nome falante Ajude o ornitorrinco. Seus participantes concentraram-se na análise de grupos de produtos relacionados e grupos de produtos substitutos. A relação custo-benefício da solução também foi avaliada.
E Rosreestr gostou mais da decisão da equipe r_test. Os caras fizeram uma análise profunda dos dados externos e usaram parâmetros como a distância da estação ferroviária mais próxima, lago e pontos de interesse (PI).
Parabéns novamente a todos os participantes e vencedores!
No final do hackathon, uma seção técnica foi organizada por Victor Kantor, autor do curso de Mineração de Dados em Ação. Cientistas, matemáticos e especialistas da Data Science das principais empresas russas compartilharam suas experiências e os casos mais recentes no campo da ML / AI.
Konstantin Vorontsov (
MIPT ) falou sobre representações temáticas de vetores de textos, gráficos e dados transacionais.
Emeli Dral (
Mechanica.AI ) fez uma apresentação sobre inteligência artificial no campo da produção, o que foi especialmente interessante após a tarefa da NLMK de otimizar os processos de produção dentro do hackathon.
Nikolai Knyazev (
Jet Infosystems ) comparou métricas de negócios e métricas de aprendizado de máquina. A escolha da métrica correta foi um dos parâmetros pelos quais o vencedor na indicação de Utkonos foi determinado.
Alexey Dral
(Equipe BigData) abordou o tópico do treinamento em massa no Big Data.
Dmitry Bugaychenko (
Odnoklassniki ) apresentou ao público a construção de uma vitrine de conteúdo usando análise de dados de streaming e treinamento de reforço.
Alexey Katkevich (
Jet Infosystems ) compartilhou com os participantes como transferir modelos ML para o produto,
E Evgeny Burnaev (
Skoltech ) apresentou casos para detectar anomalias e prever falhas no transporte.