Letzten Dezember veranstalteten wir gemeinsam mit sechs anderen Skolkowo-Unternehmen unseren eigenen Startup-Hackathon. Ohne Unternehmenssponsoren oder externe Unterstützung konnten wir durch die Bemühungen der Programmiergemeinschaft zweihundert Teilnehmer aus 20 Städten Russlands zusammenbringen. Im Folgenden erzähle ich Ihnen, wie uns das gelungen ist, auf welche Fallstricke wir dabei gestoßen sind und warum wir sofort mit einem der Gewinnerteams zusammengearbeitet haben.
Schnittstelle der Anwendung, die Watts Battery-Module der Finalisten des Tracks „Wet Hair“ steuert
Unternehmen
Unser Unternehmen Watts Battery stellt modulare tragbare Kraftwerke her. Das Produkt ist ein tragbares Kraftwerk mit den Maßen 46 x 36 x 11 cm, das 1,5 bis 15 Kilowatt pro Stunde liefern kann. Vier solcher Module können den Energieverbrauch eines kleinen Landhauses für zwei Tage decken.
Obwohl wir letztes Jahr mit der Auslieferung von Produktionsmustern begonnen haben, handelt es sich bei Watts Battery allem Anschein nach um ein Startup. Das Unternehmen wurde 2016 gegründet und ist seit demselben Jahr im Skolkovo Energy Efficient Technologies Cluster ansässig. Heute haben wir 15 Mitarbeiter und einen riesigen Rückstand an Dingen, die wir irgendwann gerne erledigen würden, aber im Moment gibt es keine Zeit dafür.
Hierzu zählen auch reine Softwareaufgaben. Warum?
Die Hauptaufgabe des Moduls besteht darin, eine unterbrechungsfreie, ausgewogene Energieversorgung zu optimalen Kosten bereitzustellen. Kommt es aus Gründen, die Sie nicht zu vertreten haben, zu einem Stromausfall, sollten Sie immer über eine Reserve verfügen, um die erforderliche Netzlast für die Dauer des Ausfalls vollständig zu versorgen. Und wenn die Stromversorgung gut ist, können Sie mit Solarenergie Geld sparen.
Die einfachste Möglichkeit besteht darin, dass Sie den Akku tagsüber über die Sonne aufladen und abends nutzen können, allerdings genau in dem Maße, das nötig ist, damit Sie im Falle eines Stromausfalls nicht ohne Strom dastehen. Sie werden also nie in die Situation geraten, dass Sie die Beleuchtung den ganzen Abend über mit einer Batterie betrieben haben (weil das günstiger ist), aber nachts der Strom ausgefallen ist und Ihr Kühlschrank abgetaut ist.
Es ist klar, dass eine Person selten in der Lage ist, die Menge an Strom, die sie benötigt, mit großer Genauigkeit vorherzusagen, ein System, das mit einem Vorhersagemodell ausgestattet ist, kann dies jedoch. Daher ist maschinelles Lernen als solches einer unserer Schwerpunktbereiche. Wir konzentrieren uns derzeit nur auf die Hardware-Entwicklung und können diesen Aufgaben nicht genügend Ressourcen zuweisen, was uns zum Startup-Hackathon geführt hat.
Vorbereitung, Daten, Infrastruktur
Aus diesem Grund haben wir zwei Wege eingeschlagen: Datenanalyse und Managementsystem. Zusätzlich zu unserem gab es noch sieben weitere Tracks von Kollegen.
Während das Format des Hackathons noch nicht festgelegt war, dachten wir darüber nach, „unsere eigene Atmosphäre“ mit einem Punktesystem zu schaffen: Die Teilnehmer tun einige Dinge, die uns schwierig und interessant erscheinen, und erhalten dafür Punkte. Wir hatten viele Aufgaben. Doch während wir die Struktur des Hackathons aufbauten, baten andere Organisatoren darum, alles in eine gemeinsame Form zu bringen, was wir auch taten.
Dann kamen wir zu folgendem Schema: Die Jungs erstellen ein Modell auf der Grundlage ihrer Daten, dann erhalten sie unsere Daten, die das Modell zuvor noch nicht gesehen hatte, es lernt und beginnt Vorhersagen zu treffen. Es wurde angenommen, dass dies alles in 48 Stunden erledigt werden könnte, aber für uns war dies der erste Hackathon zu unseren Daten, und wir haben möglicherweise die Zeitressourcen oder den Grad der Datenbereitschaft überschätzt. Bei spezialisierten Hackathons für maschinelles Lernen wäre ein solcher Zeitplan die Norm, bei uns war dies jedoch nicht der Fall.
Wir haben die Software und Hardware des Moduls so weit wie möglich entladen und eine Version unseres Geräts speziell für den Hackathon erstellt, mit einer sehr einfachen und verständlichen internen Schnittstelle, die jeder Entwickler unterstützen kann.
Für die auf dem Steuerungssystem basierende Strecke bestand die Möglichkeit, eine mobile Anwendung zu erstellen. Um zu verhindern, dass die Teilnehmer sich den Kopf darüber zerbrechen, wie es aussehen soll, und zusätzliche Zeit verschwenden, haben wir ihnen ein Design-Layout der Anwendung gegeben, das superleicht ist, sodass diejenigen, die es wollen, die benötigten Funktionen einfach darauf „dehnen“ können . Um ehrlich zu sein, haben wir hier keine moralischen Dilemmata erwartet, aber eines der Teams hat es so aufgefasst, dass wir ihre Fantasie eingeschränkt haben, wir wollten eine fertige Lösung kostenlos bekommen und sie nicht testen in der Praxis. Und sie machten sich auf den Weg.
Ein anderes Team entschied sich dafür, eine völlig andere Anwendung von Grund auf zu erstellen, und alles hat geklappt. Wir haben nicht darauf bestanden, dass die Anwendung genau so aussieht, wir wollten lediglich, dass sie einige Elemente enthält, die das technische Niveau der Lösung veranschaulichen: Grafiken, Analysen usw. Auch das fertige Design-Layout war ein Hinweis.
Da die Analyse eines Live-Watts-Battery-Moduls bei einem Hackathon zu zeitaufwändig wäre, haben wir den Teilnehmern einen Monat lang einen vorgefertigten Datenausschnitt aus den realen Modulen unserer Kunden zur Verfügung gestellt (die wir zuvor sorgfältig anonymisiert hatten). Da es Juni war, gab es keine Möglichkeit, saisonale Veränderungen in die Analyse einzubeziehen. Aber in Zukunft werden wir ihnen externe Daten hinzufügen, wie zum Beispiel saisonale und klimatische Merkmale (heute ist dies der Industriestandard).
Wir wollten bei den Teilnehmern keine unrealistischen Erwartungen wecken, deshalb haben wir in der Ankündigung des Hackathons direkt gesagt: Die Arbeit wird so nah wie möglich an der Feldarbeit sein: verrauschte, schmutzige Daten, die niemand speziell vorbereitet hat. Das hatte aber auch eine positive Seite: Ganz im Sinne der Agilität waren wir ständig im Kontakt mit den Teilnehmern und haben zeitnah Änderungen an der Aufgabenstellung und den Zulassungsbedingungen vorgenommen (mehr dazu weiter unten).
Darüber hinaus haben wir den Teilnehmern Zugriff auf Amazon AWS gewährt (so aktiv, dass Amazon eine Region für uns blockiert hat, wir werden herausfinden, was wir dagegen tun können). Dort können Sie Infrastruktur für das Internet der Dinge bereitstellen und auf Basis selbst einfacher Amazon-Vorlagen innerhalb eines Tages eine vollwertige Lösung erstellen. Aber am Ende ist wirklich jeder seinen eigenen Weg gegangen und hat alles maximal aus eigener Kraft geschafft. Gleichzeitig gelang es einigen, die Frist einzuhalten, anderen nicht. Ein Team, Nubble, nutzte Yandex.cloud, jemand hat es auf seinem Hosting angesprochen. Wir waren sogar bereit, Domains zu vergeben (wir haben solche registriert), aber sie nützten nichts.
Um die Gewinner des analytischen Tracks zu ermitteln, planten wir einen Vergleich der Ergebnisse, für den wir numerische Metriken erstellten. Letztlich war dies aber nicht nötig, da drei der vier Teilnehmer aus verschiedenen Gründen das Finale nicht erreichten.
Was die Haushaltsinfrastruktur angeht, hat uns der Skolkovo Technopark (kostenlos) einen seiner gemütlichen modularen Räume mit Videowand für Präsentationen und ein paar kleinere Räume als Erholungsbereich und zur Organisation von Catering zur Verfügung gestellt.
Analytics
Aufgabe: ein selbstlernendes System, das anhand von Steuerdaten Anomalien im Verbrauch und Modulbetrieb erkennt. Wir haben die Formulierung bewusst so allgemein wie möglich gehalten, damit die Teilnehmer gemeinsam mit uns darüber nachdenken können, was auf Basis der verfügbaren Daten getan werden kann.
Spezifität: Der komplexere der beiden Tracks. Industrielle Daten weisen einige Unterschiede zu Daten in geschlossenen Systemen (z. B. digitales Marketing) auf. Hier müssen Sie die physikalische Natur der Parameter verstehen, die Sie analysieren möchten; alles als abstrakte Zahlenreihen zu betrachten, wird nicht funktionieren. Beispielsweise die Verteilung des Stromverbrauchs über den Tag. Es ist wie bei Ritualen: Wochentags wird morgens der Elektrorasierer eingeschaltet, am Wochenende der Mixer. Dann die Essenz der Anomalien selbst. Und vergessen Sie nicht, dass die Watts-Batterie für den persönlichen Gebrauch bestimmt ist, sodass jeder Kunde seine eigenen Rituale hat und ein universelles Modell nicht funktioniert. Bekannte Anomalien in Daten zu finden, ist nicht einmal eine Aufgabe; die Schaffung eines Systems, das autonom nach unbeschrifteten Anomalien sucht, ist eine andere Sache. Schließlich kann alles eine Anomalie sein, auch der heimtückische Faktor Mensch. In unseren Testdaten gab es beispielsweise einen Fall, in dem das System vom Benutzer in den Batteriemodus gezwungen wurde. Benutzer tun dies manchmal ohne Angabe von Gründen (ich behalte vor, dass dieser Benutzer das Modul für uns testet und aus diesem Grund Zugriff auf die manuelle Steuerung der Modi hat; für andere Benutzer erfolgt die Steuerung völlig automatisch). Wie leicht vorhersehbar ist, wird die Batterie in einer solchen Situation ziemlich aktiv entladen, und wenn die Last groß ist, wird der Ladevorgang beendet, bevor die Sonne aufgeht oder eine andere Energiequelle erscheint. In solchen Fällen erwarten wir eine Benachrichtigung, dass das Systemverhalten vom Normalzustand abweicht. Oder die Person ist gegangen und hat vergessen, den Ofen auszuschalten. Das System erkennt, dass der Verbrauch zu dieser Tageszeit normalerweise 500 Watt beträgt, aber heute - 3,5 Tausend - eine Anomalie! Wie Denis Matsuev im Flugzeug: „Ich verstehe nichts von Flugzeugmotoren, aber auf dem Weg dorthin klang der Motor anders.“
Diagramm eines Vorhersagemodells für das Open-Source-Neuronale Netzwerk Yandex CatBoost
Was braucht das Unternehmen wirklich?: Selbstdiagnosesystem im Gerät, prädiktive Analyse, auch ohne Netzwerkinfrastruktur (wie die Praxis zeigt, haben nicht alle unsere Kunden es eilig, Batterien mit dem Internet zu verbinden – für die meisten reicht es, wenn einfach alles zuverlässig funktioniert), Identifizierung von Anomalien, deren Natur wir noch nicht kennen, ein selbstlernendes System ohne Lehrer, Clustering, neuronale Netze und das gesamte Arsenal moderner Analysemethoden. Wir müssen verstehen, dass sich das System anders zu verhalten begann, auch wenn wir nicht genau wissen, was sich geändert hat. Beim Hackathon selbst war es für uns sehr wichtig zu sehen, dass es Leute gibt, die bereit sind, in die industrielle Analytik einzusteigen oder bereits dabei sind, und die nach neuen Bereichen suchen, in denen sie ihre Fähigkeiten anwenden können. Zuerst war ich überrascht, dass es so viele Bewerber gab, schließlich ist dies eine sehr spezielle Küche, aber nach und nach schieden alle bis auf einen der vier Teilnehmer aus, sodass einigermaßen alles passte.
Warum ist es zum jetzigen Zeitpunkt nicht machbar?: Das Hauptproblem bei Data-Mining-Aufgaben sind nicht genügend Daten. Weltweit sind heute mehrere Dutzend Watts Battery-Geräte in Betrieb, viele davon sind jedoch nicht an das Netzwerk angeschlossen, sodass unsere Daten noch nicht sehr vielfältig sind. Wir haben kaum zwei Anomalien zusammengekratzt – und diese traten bei Prototypen auf; industrielle Watts-Batterien funktionieren recht stabil. Wenn wir einen internen Ingenieur für maschinelles Lernen hätten und wüssten – ja, das lässt sich aus diesen Daten herausquetschen, aber wir wollen eine bessere Vorhersagequalität –, wäre das eine Sache. Aber bis jetzt haben wir mit diesen Daten noch nichts gemacht. Darüber hinaus würde dies ein tiefes Eintauchen der Teilnehmer in die Besonderheiten der Funktionsweise unseres Produkts erfordern, eineinhalb Tage reichen dafür nicht aus.
Wie haben Sie sich entschieden?: Sie haben nicht sofort die genaue endgültige Aufgabe festgelegt. Stattdessen waren wir während der gesamten 48 Stunden im Dialog mit den Teilnehmern und haben zeitnah herausgefunden, was sie bekommen konnten und was nicht. Auf dieser Grundlage wurde die Aufgabe im Geiste des Kompromisses abgeschlossen.
Was haben Sie als Ergebnis erhalten?: Die Gewinner des Tracks konnten die Daten bereinigen (gleichzeitig fanden sie die „Funktionen“ der Berechnung einiger Parameter, die uns selbst vorher nicht aufgefallen waren, da wir einige der Daten nicht zur Lösung unserer Probleme verwendet haben) , heben Sie Abweichungen vom erwarteten Verhalten von Watts Battery-Modulen hervor und erstellen Sie ein Vorhersagemodell, das den Energieverbrauch mit einem hohen Maß an Genauigkeit vorhersagen kann. Ja, dies ist nur eine Machbarkeitsphase der Entwicklung einer industriellen Lösung; dann sind Wochen sorgfältiger technischer Arbeit erforderlich, aber selbst dieser Prototyp, der direkt während des Hackathons erstellt wurde, kann die Grundlage einer echten industriellen Lösung bilden, was selten vorkommt.
Hauptschlussfolgerung: Basierend auf den Daten, die wir haben, ist es möglich, Predictive Analytics einzurichten. Wir sind davon ausgegangen, hatten aber nicht die Ressourcen, dies zu überprüfen. Die Hackathon-Teilnehmer haben unsere Hypothese getestet und bestätigt, und wir werden weiterhin mit den Gewinnern des Tracks an dieser Aufgabe arbeiten.
Diagramm eines Vorhersagemodells für das Open-Source-Neuronale Netzwerk Facebook Prophet
Rat für die Zukunft: Bei der Aufgabenerstellung müssen Sie nicht nur auf Ihre Produktions-Roadmap achten, sondern auch auf das Interesse der Teilnehmer. Da es bei unserem Hackathon keine Geldpreise gibt, nutzen wir die natürliche Neugier von Datenwissenschaftlern und den Wunsch, neue, interessante Probleme zu lösen, bei denen noch niemand etwas gezeigt hat oder bei denen sie sich besser als bestehende Ergebnisse zeigen können. Wenn Sie den für Sie interessanten Faktor sofort berücksichtigen, müssen Sie Ihren Fokus unterwegs nicht verlagern.
Management
Aufgabe: (Anwendung), die ein Netzwerk von Watts Battery-Modulen verwaltet, mit einem persönlichen Konto, Datenspeicherung in der Cloud und Statusüberwachung.
Spezifität: In diesem Track haben wir nicht nach einer neuen technischen Lösung gesucht; wir haben natürlich unsere eigene Verbraucherschnittstelle. Wir haben ihn für den Hackathon ausgewählt, um die Leistungsfähigkeit unseres Systems zu demonstrieren, uns darin zu vertiefen und zu prüfen, ob sich die Community für das Thema Entwicklung intelligenter Systeme und alternativer Energien interessiert. Wir haben die mobile Anwendung als Option positioniert; Sie können es nach eigenem Ermessen tun oder nicht. Aber unserer Meinung nach zeigt es gut, wie es den Menschen gelungen ist, die Datenspeicherung in der Cloud zu organisieren und den Zugriff aus mehreren verschiedenen Quellen gleichzeitig zu ermöglichen.
Was braucht das Unternehmen wirklich?: eine Community von Entwicklern, die Geschäftsideen entwickeln, Hypothesen testen und Arbeitstools für deren Umsetzung erstellen.
Warum ist es zum jetzigen Zeitpunkt nicht machbar?: Für die organische Bildung einer solchen Community ist das Marktvolumen noch zu gering.
Wie haben Sie sich entschieden?: Im Rahmen eines Hackathons haben wir eine Art Körperlichkeitsstudie durchgeführt, um zu prüfen, ob es möglich ist, nicht nur Funktionen, sondern vollwertige Geschäftsmodelle rund um unser ganz spezifisches Produkt zu entwickeln. Und damit Leute, die in der Lage sind, einen Prototyp zu implementieren, dies tun können, ist dies hier – ich möchte niemanden beleidigen – nicht das Niveau der Programmierung einer blinkenden LED auf Arduino (obwohl dies mit Innovationen möglich ist). Hier sind eher spezifische Fähigkeiten erforderlich: Entwicklung von Backend- und Frontend-Systemen, Verständnis der Prinzipien des Aufbaus skalierbarer Internet-of-Things-Systeme.
Was haben Sie als Ergebnis erhalten?: Zwei Teams schlugen umfassende Geschäftsideen für ihre Arbeit vor: eines konzentrierte sich mehr auf das russische Segment, das andere auf das ausländische. Das heißt, im Finale erzählten sie nicht nur, wie sie auf die Bewerbung gekommen waren, sondern im Wesentlichen, um Geschäfte rund um Watts zu machen. Die Jungs erläuterten, wie sie den Einsatz von Watt in verschiedenen Geschäftsmodellen sehen, lieferten Statistiken, zeigten, welche Regionen welche Probleme haben, welche Gesetze wo erlassen werden, skizzierten den globalen Trend: Es ist unmodern, Bitcoins abzubauen, es ist in Mode, Kilowatt abzubauen. Man hat bewusst auf alternative Energien gesetzt, was uns sehr gut gefallen hat. Die Tatsache, dass die Teilnehmer darüber hinaus eine funktionierende technische Lösung erstellen konnten, legt nahe, dass sie selbstständig ein Startup gründen können.
Hauptschlussfolgerung: Es gibt Teams, die bereit sind, Watts Battery als Grundlage ihres Geschäftsmodells zu nehmen, es weiterzuentwickeln und Partner/Begleiter des Unternehmens zu werden. Einige von ihnen wissen sogar, wie man den MVP einer Geschäftsidee identifiziert und zuerst daran arbeitet, was in der Branche heutzutage überall fehlt. Die Leute verstehen nicht, wann sie aufhören sollen, wann sie eine Lösung auf den Markt bringen sollen, wenn auch früh, aber funktionierend. Tatsächlich endet die Phase des Polierens der Lösung oft nicht, technisch gesehen überschreitet die Lösung die Grenze angemessener Komplexität, sie tritt überlastet auf den Markt, es ist nicht mehr klar, was die ursprüngliche Idee war, was Kundenansprache ist, was Geschäftsmodelle sind inbegriffen. Wie im Witz über Akunin, der ein weiteres Buch schrieb, während er das vorherige für jemanden signierte. Aber hier wurde es in seiner reinsten Form gemacht: hier ist ein Diagramm, hier ist ein Zähler, hier sind Indikatoren, hier ist eine Vorhersage – das ist alles, es ist nichts anderes nötig, um es auszuführen. Damit können Sie zu einem Investor gehen und Geld erhalten, um ein Unternehmen zu gründen. Diejenigen, die dieses Gleichgewicht fanden, gingen als Gewinner aus der Strecke hervor.
Rat für die Zukunft: beim nächsten Hackathon (wir planen es ), vielleicht ist es sinnvoll, mit Hardware zu experimentieren. Wir haben unsere eigene Hardware-Entwicklung (einer der Vorteile von Watts), wir haben die volle Kontrolle über die Produktion und das Testen von allem, was wir tun, aber wir haben nicht genügend Ressourcen, um einige „Hardware“-Hypothesen zu testen. Es kann durchaus sein, dass es in der Gemeinschaft der System- und Low-Level-Programmierer und Hardwareentwickler diejenigen gibt, die uns dabei helfen und in Zukunft unser Partner in diesem Bereich werden.
Leute
Beim Hackathon erwarteten wir eher diejenigen, die sich in einem neuen Bereich versuchen möchten (z. B. Absolventen verschiedener Programmierschulen), als diejenigen, die sich auf diese Art der Entwicklung spezialisiert haben. Dennoch erwarteten wir, dass sie vor dem Hackathon ein wenig Vorarbeit leisten und lesen würden, wie der Energieverbrauch im Allgemeinen vorhergesagt wird und wie Systeme des Internets der Dinge funktionieren. Damit jeder nicht nur zum Spaß, auf der Suche nach interessanten Daten und Aufgaben, sondern auch zum ersten Eintauchen in das Themengebiet kommt. Wir für unseren Teil verstehen, dass es hierfür notwendig ist, die verfügbaren Daten, deren Beschreibung und genauere Anforderungen an das Ergebnis vorab zu veröffentlichen, API-Module zu veröffentlichen usw.
Jeder hatte ungefähr das gleiche technologische Niveau und plus oder minus die gleichen Fähigkeiten. Vor diesem Hintergrund war der Grad der Harmonie nicht der letzte Faktor. Etliche Teams haben nicht geschossen, weil sie sich nicht klar in Arbeitsbereiche einteilen konnten. Es gab auch solche, bei denen eine Person die gesamte Entwicklung übernahm, der Rest war mit der Vorbereitung der Präsentation beschäftigt, bei anderen wurden jemandem Aufgaben gegeben, die er wahrscheinlich zum ersten Mal in seinem Leben erledigte.
Die meisten Teilnehmer waren jung, was nicht bedeutet, dass es unter ihnen keine starken Ingenieure und Entwickler für maschinelles Lernen gab. Die meisten kamen in Teams, Einzelpersonen gab es praktisch nicht. Jeder träumte davon, zu gewinnen, jemand wollte in Zukunft einen Job finden, etwa 20 % haben bereits einen gefunden, ich denke, diese Zahl wird steigen.
Wir hatten nicht genug Hardware-Freaks, aber wir hoffen, dass wir das beim zweiten Hackathon wettmachen können.
Hackathon-Fortschritt
Wie ich oben geschrieben habe, waren wir die meisten der 48 Stunden des Hackathons bei den Teilnehmern und haben bei der Überwachung ihrer Erfolge an Kontrollpunkten versucht, die Aufgabe und die Bedingungen für die Annahme des ersten, analytischen Tracks so anzupassen, dass einerseits die Die Teilnehmer konnten es in der verbleibenden Zeit fertigstellen, andererseits war es für uns von Interesse.
Die letzte Klärung der Aufgabe erfolgte irgendwo rund um den letzten Kontrollpunkt, am Samstagnachmittag (das Finale war für Sonntagabend geplant). Wir haben alles noch ein wenig vereinfacht: Wir haben die Anforderung, das Modell anhand neuer Daten neu zu berechnen, entfernt und die Daten beibehalten, mit denen die Teams bereits gearbeitet haben. Der Vergleich der Kennzahlen brachte uns nichts mehr, sie hatten bereits fertige Ergebnisse auf Basis der verfügbaren Daten und am zweiten Tag waren die Jungs bereits müde. Deshalb haben wir beschlossen, sie weniger zu foltern.
Allerdings schafften es drei von vier Teilnehmern nicht ins Finale. Das eine Team merkte schon zu Beginn, dass es mehr an der Strecke unserer Kollegen interessiert war, das andere merkte kurz vor dem Finale, dass es bei der Bearbeitung die nötigen Daten vorzeitig herausgefiltert hatte und sich weigerte, seine Arbeit vorzustellen.
Das Team „21 (Wet Hair Effect)“ war bis zum Schluss bei unseren beiden Tracks dabei. Sie wollten alles auf einmal abdecken: maschinelles Lernen, Entwicklung, Anwendung und Website. Bis wir ihnen im letzten Moment mit dem Rückzug drohten, glaubten sie, alles rechtzeitig zu erledigen, obwohl bereits am zweiten Kontrollpunkt klar war, dass sie mit der Hauptsache – maschinellem Lernen – keine nennenswerten Fortschritte machen konnten: Sie kamen im Allgemeinen damit zurecht Der zweite Block konnte jedoch nicht vorhersagen, dass der Stromverbrauch noch nicht fertig war. Als wir die Mindestaufgabe für die Qualifikation für die erste Strecke festlegten, entschieden sie sich daher immer noch für die zweite Strecke.
Fit-predict verfügte über eine ausgewogene Zusammensetzung, die auf die Datenanalyse zugeschnitten war, sodass sie alles meistern konnten. Es war auffällig, dass die Jungs daran interessiert waren, echte Industriedaten „anzufassen“. Sie konzentrierten sich sofort auf das Wesentliche: Analyse, Bereinigung der Daten, Umgang mit jeder Anomalie. Dass sie während des Hackathons ein funktionierendes Modell aufbauen konnten, ist eine tolle Leistung. In der Praxis dauert das meist Wochen: Während die Daten bereinigt werden, während sie sich damit beschäftigen. Daher werden wir auf jeden Fall mit ihnen zusammenarbeiten.
Im zweiten Track (Management) erwarteten wir von jedem, dass er alles in einem halben Tag schafft und darum bittet, die Aufgabe schwieriger zu machen. In der Praxis hatten wir kaum Zeit, die Grundaufgabe zu erledigen. Wir haben an JS und Python gearbeitet, was den aktuellen Stand der Branche widerspiegelt.
Auch hier wurden die Ergebnisse durch eingespielte Teams erzielt, in denen die Arbeitsteilung aufgebaut war und klar war, wer was machte.
Das dritte Team, FSociety, schien eine Lösung zu haben, aber am Ende entschieden sie sich, ihre Entwicklung nicht zu zeigen, sie sagten, dass sie es nicht für funktionsfähig hielten. Wir respektieren dies und haben nicht gestritten.
Der Gewinner war das Team „Strippers from Baku“, das es geschafft hat, sich selbst zu stoppen, nicht um „Schmuckstücken“ nachzujagen, sondern um ein MVP zu schaffen, das sich nicht schämt, es zu zeigen, und bei dem klar ist, dass es weiterentwickelt und skaliert werden kann. Wir sagten ihnen sofort, dass wir kein großes Interesse an zusätzlichen Möglichkeiten hätten. Wenn sie eine Registrierung per QR-Code oder Gesichtserkennung wünschen, lassen Sie sie zunächst Diagramme in der Anwendung erstellen und übernehmen Sie dann die optionalen Diagramme.
In diesem Track zog „Wet Hair“ souverän ins Finale ein und wir besprachen die weitere Zusammenarbeit mit ihnen und „Hustlers“. Letzteren haben wir im neuen Jahr bereits kennengelernt.
Ich hoffe, dass alles klappt, und wir freuen uns darauf, alle beim zweiten Hackathon im März zu sehen!
Source: habr.com