Mein Name ist Sascha und ich liebe maschinelles Lernen sowie das Lehren von Menschen. Derzeit koordiniere ich Bildungsprogramme im Computer Science-Zentrum und leite das Bachelor-Programm für Datenanalyse an der Universität St. Petersburg. Zuvor habe ich als Analyst bei Yandex gearbeitet und davor als Wissenschaftler: Ich beschäftigte mich mit mathematischer Modellierung am IWT-SO RAN.
In diesem Beitrag möchte ich erzählen, wie die Idee entstand, Schulungen im maschinellen Lernen für Studierende, Absolventen der Staatlichen Universität Nowosibirsk und alle Interessierten anzubieten.
Ich wollte schon lange einen Spezialkurs zur Vorbereitung auf Wettbewerbe in Datenanalyse auf Kaggle und anderen Plattformen organisieren. Das schien eine großartige Idee zu sein:
- Die Studierenden und alle Interessierten können ihr theoretisches Wissen in der Praxis anwenden und Erfahrung bei der Lösung von Aufgaben in öffentlichen Wettbewerben sammeln.
- Studierende, die in solchen Wettbewerben hoch platzieren, steigern die Attraktivität der NSU für Bewerber, Studierende und Absolventen. Genauso verhält es sich mit Schulungen im sportlichen Programmieren.
- Dieser Spezialkurs ergänzt und erweitert die grundlegenden Kenntnisse hervorragend: Die Teilnehmer entwickeln selbstständig Modelle des maschinellen Lernens und arbeiten häufig in Teams, die auf internationaler Ebene konkurrieren.
- An anderen Universitäten fanden bereits solche Schulungen statt, daher hatte ich auf den Erfolg des Spezialkurses auch an der NGU gehofft.
Start
Im Akademgorodok in Nowosibirsk gibt es hervorragende Voraussetzungen für solche Initiativen: Studierende, Absolventen und Dozenten des Computer Science Zentrums sowie starker technischer Fakultäten wie FIT, MMF, FF, umfangreiche Unterstützung durch die NGU-Verwaltung, eine aktive ODS-Community und erfahrene Ingenieure und Analysten aus verschiedenen IT-Unternehmen. Etwa zu dieser Zeit erfuhren wir von dem Förderprogramm von — der Fonds unterstützt Teams, die gute Ergebnisse in Wettbewerben im Bereich Sport-ML erzielen.
Wir fanden einen Raum an der NGU für wöchentliche Treffen, erstellten einen Telegram-Chat und starteten am 1. Oktober gemeinsam mit den Studierenden und Absolventen des CS Zentrums. Zum ersten Treffen kamen 19 Personen. Sechs von ihnen wurden regelmäßige Teilnehmer der Trainings. Insgesamt nahm während des Studienjahres mindestens 31 Personen einmal an einem Treffen teil.
Die ersten Ergebnisse
Ich habe mit den Kollegen Kontakte geknüpft, Erfahrungen ausgetauscht, Wettbewerbe diskutiert und einen groben Plan für die Zukunft erstellt. Wir haben schnell erkannt, dass der Kampf um die Plätze bei den Wettbewerben zur Datenanalyse eine regelmäßige und mühsame Arbeit ist, die sich wie ein unbezahlter Vollzeitjob anfühlt, aber sehr interessant und spannend ist 🙂 Einer der Teilnehmer, Kaggle-Meister Maxim, riet uns, zunächst individuell an den Wettbewerben teilzunehmen und erst nach einigen Wochen in Teams zusammenzuarbeiten, wobei wir die öffentliche Bewertung berücksichtigen. Das haben wir dann auch so gemacht! In den Präsenztrainings haben wir Modelle, wissenschaftliche Arbeiten und Feinheiten der Python-Bibliotheken diskutiert und gemeinsam Probleme gelöst.
Die Ergebnisse des Herbstsemesters waren drei Silbermedaillen in zwei Wettbewerben auf Kaggle: und . Und den dritten Platz im CFT-Wettbewerb zur Behebung von Tippfehlern mit dem ersten gewonnenen Geld (in the money, wie erfahrene Kegler sagen).
Ein weiteres sehr wichtiges indirektes Ergebnis des Spezialkurses war die Inbetriebnahme und Konfiguration des VKI-Clusters der NGU. Die Rechenleistung hat unser Wettbewerbsleben erheblich verbessert: 40 CPU, 755 GB RAM, 8 NVIDIA Tesla V100 GPUs.
Bis jetzt haben wir überlebt, wie wir konnten: Wir haben auf unseren persönlichen Laptops und Desktops sowie in Google Colab und Kaggle-Kerneln gerechnet. Einem Team stand sogar ein selbstgeschriebenes Skript zur Verfügung, das das Modell automatisch speicherte und die Berechnung neu startete, die aufgrund des Zeitlimits gestoppt werden musste.
Im Frühjahrssemester haben wir weiterhin Treffen abgehalten, um erfolgreiche Erkenntnisse auszutauschen und über unsere Wettbewerbslösungen zu berichten. Neue interessierte Teilnehmer sind zu uns gestoßen. Im Frühjahrssemester haben wir bereits eine Gold-, drei Silber- und neun Bronzemedaillen in acht Wettbewerben auf Kaggle gewonnen: , , , , , und andere, Bronze in , den dritten Platz im Changellenge>>Cup und den ersten Platz (wieder in the money) beim Wettbewerb für maschinelles Lernen auf von Yandex.
Was die Teilnehmer der Trainings sagen
„Ich bin sehr froh, dass eine solche Aktivität bei uns in Sibirien stattfindet, denn ich denke, dass die Teilnahme an Wettbewerben der schnellste Weg ist, um ML zu erlernen. Für solche Wettbewerbe ist die Hardware ziemlich teuer, um sie selbst zu kaufen, aber hier kann man Ideen kostenlos ausprobieren“.
„Bevor es ML-Trainings gab, habe ich an Wettbewerben kaum teilgenommen, abgesehen von Schul- und indischen Wettbewerben: Ich sah keinen Sinn darin, da ich in dem Bereich des maschinellen Lernens arbeitete und damit vertraut war. Im ersten Semester besuchte ich als Zuhörer. Doch ab dem zweiten Semester, als die Rechenressourcen verfügbar wurden, dachte ich, warum nicht teilnehmen? Und ich wurde richtig hineingezogen. Die Aufgaben, Daten und Metriken wurden für dich ausgedacht und vorbereitet, nimm einfach die gesamte Kraft des maschinellen Lernens in Anspruch, prüfe state-of-the-art Modelle und Techniken. Wären es nicht die Trainings und, nicht weniger wichtig, die Rechenressourcen gewesen, hätte ich wohl lange nicht an Wettbewerben teilgenommen.“
„Die Präsenz-ML-Trainings haben mir geholfen, Gleichgesinnte zu finden, mit denen ich mein Wissen im Bereich maschinelles Lernen und Datenanalyse vertiefen konnte. Es ist auch eine großartige Möglichkeit für diejenigen, die nicht viel Zeit haben, um sich selbstständig mit Themen der Wettbewerbe auseinanderzusetzen, aber dennoch auf dem Laufenden bleiben möchten.“
Schließen Sie sich uns an
Wettbewerbe auf Kaggle und anderen Plattformen schärfen praktische Fähigkeiten und führen schnell zu spannenden Karrieremöglichkeiten im Bereich Data Science. Menschen, die gemeinsam an einem herausfordernden Wettbewerb teilgenommen haben, werden oft Kollegen und setzen ihre Zusammenarbeit erfolgreich bei realen Aufgaben fort. So ging es auch uns: Michail Karchewski und ein Kollege aus seinem Team wechselten zusammen zu einem Unternehmen, um an einem Empfehlungssystem zu arbeiten.
Wir planen, diese Aktivität in Zukunft durch wissenschaftliche Veröffentlichungen und die Teilnahme an Konferenzen im Bereich maschinelles Lernen auszubauen. Schließen Sie sich uns in Nowosibirsk als Teilnehmer oder Experten an – schreiben Sie an oder . Organisieren Sie ähnliche Trainings in Ihren Städten und Universitäten.
Hier ist ein kleines Handbuch, das Ihnen hilft, die ersten Schritte zu machen:
- Denken Sie an einen geeigneten Ort und eine Zeit für regelmäßige Treffen. Optimal sind 1-2 Mal pro Woche.
- Informieren Sie potenziell interessierte Teilnehmer über das erste Treffen. Zunächst sollten dies Studierende technischer Hochschulen und Mitglieder von ODS sein.
- Erstellen Sie einen Chat für die aktuelle Kommunikation: Telegram, VK, WhatsApp oder einen anderen Messenger, der den meisten angenehm ist.
- Führen Sie einen öffentlichen Trainingsplan, eine Liste von Wettbewerben und Teilnehmern und verfolgen Sie die Ergebnisse.
- Suchen Sie in nahegelegenen Universitäten, Forschungsinstituten oder Unternehmen nach freien Rechenressourcen oder Stipendien dafür.
- PROFIT!
Quelle: habr.com
