Соревнование по машинному обучению от программы КНАД ФКН НИУ ВШЭ и X5 Tech
Предскажите выручку реального магазина, попробуйте себя в роли аналитика данных и получите шанс побороться за денежный приз, стажировку в X5 Tech и другие бенефиты
Предскажите выручку реального магазина, попробуйте себя в роли аналитика данных и получите шанс побороться за денежный приз, стажировку в X5 Tech и другие бенефиты
Победители получат:
Денежный приз
Приоритет при отборе на стажировку в X5 Tech и на Летнюю школу по анализу данных ФКН НИУ ВШЭ
Секретный бокс с подарками
Зачем участвовать
1
Побороться за денежные призы и получить шанс попасть на стажировку в X5 Tech
4
Забрать кейс в резюме и портфолио
3
Прокачать навыки машинного обучения на практике и разобраться в подходах
2
Поработать с реальной бизнес-задачей, а не с учебным примером
Треки и призы
8-11 класс
команды 1-3 человека
любой курс и вуз
команды 1-3 человека
Школьный трек
Студенческий трек
Дополнительные призы:
Дополнительные призы:
Приглашение на ЛШ по анализу данных ФКН НИУ ВШЭ
Секретный бокс с подарками
Приоритет при отборе на стажировку
Секретный бокс с подарками
на команду
150 000 ₽
на команду
100 000 ₽
на команду
50 000 ₽
на команду
150 000 ₽
на команду
100 000 ₽
на команду
50 000 ₽
Как проходит соревнование
Образовательный интенсив для финалистов
17–18 мая
Онлайн-занятия от экспертов программы «Компьютерные науки и анализ данных» ФКН НИУ ВШЭ
Частые ошибки
Полезные методы
Разбор подходов
Финал
31 мая
Определение топ-3 команд в каждом треке
Защита решений
2-й этап. Задача, близкая к реальности
20–30 мая
Доработка модели и улучшение качества прогноза
Множество факторов
Сложные подходы
Больше данных
В финал проходят топ-10 команд каждого трека
1-й этап. Без глубокого опыта в ML
23 апреля–13 мая
Отправьте до 100 решений, в зачет пойдет последний результат
Материалы для разбора
Запуск первой модели
Упрощённые данные
15 мая— объявление результатов Если результат выше базового решения — приглашаем на второй этап
Как подготовиться?
Эксперты программы «Компьютерные науки и анализ данных» ФКН НИУ ВШЭ и X5 Tech собрали материалы, которые помогут лучше подготовиться: разобраться в задаче и понять, с какими данными предстоит работать и какие подходы могут пригодиться.
Подготовка
https://vkvideo.ru/video-69306530_456240284; Старт в машинном обучении: как работать в Colab, задачи регрессии и классификации; 35:57;В этом видео победитель хакатонов и олимпиад Дмитрий Малиницкий расскажет об основах машинного обучения: редакторах кода, решении задач регрессии и классификации.
https://vkvideo.ru/video-69306530_456240291; Машинное обучение в хакатонах и в реальном бизнесе. В чём различия?; 52:42; В этом видео ведущий инженер по статистическому анализу X5 Tech Илья Голубев расскажет о том, чем реальные задачи отличаются от олимпиад и хакатонов, какие цели нужно решить в каждом случае и какие ограничения накладывают разные типы данных.
https://vkvideo.ru/video-69306530_456240292; Специфика временных рядов; 1:23:28;В этой лекции вы познакомитесь с основами работы с временными рядами. Узнаете, как правильно проводить на них валидацию, какие бейзлайны попробовать, какие использовать признаки и как измерить качество.
https://vkvideo.ru/video-69306530_456240296; Практика: собираем простую базовую модель (бейзлайн); 38:59; В этой лекции рассматриваются различные подходы к решению задачи прогнозирования розничного товарооборота сети «Пятёрочка», включая наивные модели, линейную регрессию и случайные леса. Также вы узнаете, как сформировать посылку с решением и отправить её в тестирующую систему.
Жюри и эксперты
Малиницкий Дмитрий
Победитель хакатонов и олимпиад по машинному обучению
Ряжапов Айдар
Победитель хакатонов и олимпиад по машинному обучению
Блуменау Марк
Преподаватель департамента больших данных и информационного поиска, академический руководитель магистратуры «Умные устройства: аппаратная разработка» ФКН НИУ ВШЭ
Менейлюк Андрей
Инженер по разработке моделей машинного обучения X5 Tech
Промыслов Валентин
Академический руководитель бакалавриата «Компьютерные науки и анализ данных» ФКН НИУ ВШЭ
Голубев Илья
Ведущий инженер по статистическому анализу X5 Tech
Соколов Евгений
Руководитель департамента больших данных и информационного поиска, академический руководитель бакалавриата «Прикладная математика и информатика» ФКН НИУ ВШЭ
Ребриков Алексей
Старший инженер по статистическому анализу X5 Tech
Организаторы
Частые вопросы
Школьники 8–11 классов и студенты вузов.
Можно одному или командой до 3 человек.
Да, если есть базовые знания — в процессе можно разобраться и улучшить результат
Нет, достаточно базы. Для старта будут доступны материалы для подготовки и пример модели
До 100 попыток на каждом этапе
Вы работаете с упрощенными данными и пробуете обойти базовое решение. Если результат выше — проходите во второй этап
Работа с более сложными данными и моделями. Итоги подводятся по качеству прогноза на закрытом наборе данных
Качество модели, подход к решению и презентация результатов
Капитана команды заменить нельзя. Изменения в остальном составе допускаются только на период проведения отборочного этапа. На финальном этапе замены в составе не разрешаются
Участие бесплатное
Денежные призы, подарки и возможность попасть на стажировку в X5 Tech