Меня зовут Саша и аз обичам машинното обучение, а също така и обучението на хора. В момента ръководя образователни програми в центъра по компютърни науки и водя бакалавърска програма по анализ на данни в СПбГУ. Преди това работих като анализатор в Яндекс, а още по-рано — като учен: занимавах се с математическо моделиране в ИВТ СО РАН.
В този пост искам да разкажа какво се случи с идеята за стартиране на тренировки по машинно обучение за студенти, абсолвенти на Новосибирския държавен университет и всички заинтересовани.
Отдавна ми се искаше да организирам специален курс за подготовка за състезания по анализ на данни на Kaggle и други платформи. Това ми се струваше като отлична идея:
- Студентите и всички желаещи ще приложат на практика теоретичните си знания и ще получат опит в решаването на задачи на публични състезания.
- Студентите, които заемат топ места в такива състезания, имат положителен принос за привлекателността на НГУ за кандидат-студенти, студенти и абсолвенти. С тренировките по спортно програмиране се случва точно същото.
- Такъв специален курс отлично допълва и разширява основите на знанието: участниците самостоятелно реализират модели на машинно обучение, често се обединяват в екипи, които състезават на световно ниво.
- В други университети вече са провеждани такива тренировки, затова се надявах на успеха на специалния курс и в НГУ.
Стартирането
В Академгородка Новосибирск има много добра почва за подобни начинания: студенти, абсолвенти и преподаватели от центъра по компютърни науки и силни технически факултети, например, ФИТ, ММФ, ФФ, силна подкрепа от администрацията на НГУ, активно ODS-сообщество, опитни инженери и анализатори от различни IT компании. Приблизително тогава научихме за грантовата програма от — фондът подкрепя отбори, които показват добри резултати в състезанията по спортно ML.
Намерихме аудитория в НГУ за седмични срещи, създадохме група в Телеграм и от 1 октомври започнахме заедно със студентите и абсолвентите от CS центъра. На първото занятие дойдоха 19 души. Шест от тях станаха редовни участници в тренировките. През учебната година общо 31 човек е присъствал на среща поне веднъж.
Първите резултати
Запознахме се с момчетата, обменихме опит, обсъдихме състезанията и приблизителния план за бъдещето. Много бързо осъзнахме, че борбата за местата в състезанията по анализ на данни е регулярен изтощителен труд, подобен на неплатена работа на пълен работен ден, но много интересен и вълнуващ 🙂 Един от участниците, Kaggle-master Максим, ни посъветва първо да се състезаваме индивидуално, а едва след няколко седмици да се обединим в отбори, в зависимост от публичния резултат. Върнахме се към това! На присъствените тренировки обсъждахме модели, научни статии и тънкости на библиотеките в Python, заедно решавахме проблеми.
Резултатите от есенния семестър включват три сребърни медала в две състезания на Kaggle: и . И трето място в конкурса ЦФТ за поправка на опечатки с първите спечелени пари (in the money, както казват опитните кеглери).
Още един много важен косвен резултат от спецкурса стана стартирането и настройката на клъстера ВКИ НГУ. Неговите изчислителни мощности значително подобриха нашия състезателен живот: 40 CPU, 755Gb RAM, 8 GPU NVIDIA Tesla V100.
Преди това оцелявали както можем: смятахме на лични лаптопи и десктопи, в Google Colab и в Kaggle-kernels. В един от отборите дори имаше самостоятелно написан скрипт, който автоматично запазваше модела и рестартираше изчисленията, които спираха поради лимита на време.
През пролетния семестър продължихме да се събираме, да обменяме успешни находки и да разказваме за решенията на състезанията. При нас започнаха да идват нови заинтересовани участници. През пролетния семестър успяхме да спечелим едно злато, три сребра и девет бронзи в осем конкурса на Kaggle: , , , , , и други, бронза в , трето място в Changellenge>>Cup и първо място (отново in the money) в състезание по машинно обучение на от Яндекс.
Какво казват участниците в тренировките
«Много се радвам, че такава дейност се провежда при нас в Сибир, тъй като смятам, че участието в състезания е най-бързият начин да усвоиш ML. За такива състезания техниката е доста скъпа, за да се купи самостоятелно, а тук може да се опитат идеи безплатно».
„Преди появата на мл-тренировките не участвах активно в конкурси, освен в учебни и индийски състезания: не виждах смисъл, тъй като работата ми в областта на МО беше и бях запознат с нея. Първия семестър бях слушател. А от втория семестър, когато се появиха изчислителни ресурси, се замислих защо да не участвам. И това ме увлече. Задачата, данните и метриките бяха готови за теб, просто взимаш и използваш цялата мощ на МО, проверяваш state-of-the-art модели и техники. Ако не бяха тренировките и, не по-малко важно, изчислителните ресурси, щях да започна да участвам доста по-късно.“
„Очните ML-тренировки ми помогнаха да намеря съмишленици, с които заедно успяхме да задълбочим знанията си в областта на машинното обучение и анализа на данни. Освен това, това е отличен вариант за тези, които нямат особено свободно време за самостоятелно разглеждане и потапяне в темата на конкурсите, но искат да бъдат в темата.“
Присъединете се към нас
Конкурсите на Kaggle и други платформи оттачват практическия опит и бързо се трансформират в интересна работа в областта на data science. Хората, които заедно са участвали в трудно състезание, често стават колеги и продължават успешно да решават вече работни задачи. Такова нещо се е случвало и при нас: Михаил Карчевски в партньорство с приятел от екипа преминаха да работят в една компания по проект за препоръки.
С времето планираме да разширим тази активност с научни публикации и участие в конференции по машинно обучение. Присъединете се към нас като участници или експерти в Новосибирск — пишете или . Организирайте аналогични тренировки в своите градове и университети.
Ето малка шпаргалка, която ще ви помогне да направите първите стъпки:
- Помислете за удобно място и време за редовни занятия. Оптимално — 1-2 пъти в седмицата.
- Напишете на потенциално заинтересованите участници за първата среща. На първо място, това са студенти от технически университети, участници от ODS.
- Създайте чат за обсъждане на текущи дела: Telegram, VK, WhatsApp или всеки друг удобен за повечето мессенджър.
- Водете обществено достъпен план на занятията, списък на състезанията и участниците, следете резултатите.
- Намерете свободни изчислителни ресурси или грантове за тях в близките университети, научни институти или компании.
- ПЕЧАЛБА!
Източник: habr.com
