Me llamo Sasha y me apasiona el aprendizaje automático, así como la enseñanza a otros. Actualmente superviso programas educativos en el centro de Ciencias de la Computación y dirijo el programa de licenciatura en análisis de datos en la Universidad Estatal de San Petersburgo. Antes trabajé como analista en Yandex, y antes de eso fui investigador: me dediqué a la modelación matemática en el Instituto de Matemáticas de la Academia de Ciencias de Rusia.
En este post quiero contarles qué surgió de la idea de lanzar entrenamientos de aprendizaje automático para estudiantes, graduados de la Universidad Estatal de Novosibirsk y todos los interesados.
Desde hace tiempo quería organizar un curso especial de preparación para competencias de análisis de datos en Kaggle y otras plataformas. Me parecía una excelente idea:
- Los estudiantes y todos los interesados aplicarán en la práctica los conocimientos teóricos y obtendrán experiencia resolviendo problemas en competencias públicas.
- Los estudiantes que ocupan los primeros lugares en estas competencias mejoran la atractividad de la Universidad Estatal de Novosibirsk para futuros estudiantes, actuales alumnos y graduados. Lo mismo ocurre con los entrenamientos de programación competitiva.
- Este curso especial complementa y amplía excelentemente los conocimientos fundamentales: los participantes implementan por sí mismos modelos de aprendizaje automático, a menudo se unen en equipos que compiten a nivel mundial.
- En otras universidades ya se han llevado a cabo estos entrenamientos, por lo que esperaba el éxito del curso especial en la Universidad Estatal de Novosibirsk.
Lanzamiento
En Akademgorodok, Novosibirsk, hay un terreno muy fértil para tales iniciativas: estudiantes, graduados y profesores del centro de Ciencias de la Computación y de fuertes facultades técnicas, como FIT, MMF, FFF, un poderoso apoyo de la administración de la Universidad Estatal de Novosibirsk, una activa comunidad de ODS, ingenieros y analistas experimentados de varias empresas de TI. Más o menos en ese momento supimos sobre el programa de subvenciones de — el fondo apoya a los equipos que obtienen buenos resultados en competencias de ML competitivas.
Encontramos un aula en la Universidad Estatal de Novosibirsk para reuniones semanales, creamos un chat en Telegram y desde el 1 de octubre comenzamos junto con estudiantes y graduados del centro de CS. En la primera clase asistieron 19 personas. Seis de ellos se convirtieron en participantes regulares de los entrenamientos. En total, durante el año académico, 31 personas asistieron al menos una vez a la reunión.
Los primeros resultados
Conocí a los chicos, compartimos experiencias, discutimos competiciones y un plan aproximado para el futuro. Rápidamente nos dimos cuenta de que competir en competiciones de análisis de datos es un trabajo agotador y regular, parecido a un trabajo a tiempo completo no remunerado, pero muy interesante y emocionante 🙂 Uno de los participantes, el maestro de Kaggle Maxim, nos aconsejó avanzar primero en las competiciones de forma individual y solo unas semanas después unirnos en equipos, teniendo en cuenta la puntuación pública. ¡Así lo hicimos! En los entrenamientos presenciales discutimos modelos, artículos científicos y matices de bibliotecas de Python, y resolvimos problemas juntos.
Los resultados del semestre de otoño fueron tres medallas de plata en dos competiciones en Kaggle: y . Y un tercer lugar en la competición de CFT sobre corrección de errores tipográficos, con los primeros premios ganados (in the money, como dicen los experimentados kegglers).
Otro resultado indirecto muy importante del curso especial fue el lanzamiento y la configuración del clúster VKI de NSU. Su potencia de cálculo mejoró notablemente nuestra vida competitiva: 40 CPU, 755 Gb de RAM, 8 GPU NVIDIA Tesla V100.
Antes de eso, sobrevivíamos como podíamos: calculábamos en portátiles y escritorios personales, en Google Colab y en kernels de Kaggle. Un equipo incluso tenía un script propio que automáticamente guardaba el modelo y reiniciaba el cálculo que se había detenido por el límite de tiempo.
En el semestre de primavera continuamos reuniéndonos, compartiendo hallazgos exitosos y hablando sobre nuestras soluciones en las competiciones. Nuevos participantes interesados comenzaron a unirse a nosotros. En el semestre de primavera ya logramos un oro, tres platas y nueve bronces en ocho competiciones en Kaggle: , , , , , y otros, bronce en , tercer lugar en el Changellenge>>Cup y primer lugar (nuevamente in the money) en la competición de aprendizaje automático en de Yandex.
Lo que dicen los participantes del entrenamiento
«Estoy muy contento de que se esté llevando a cabo esta actividad en Siberia, ya que considero que participar en competiciones es la forma más rápida de dominar el ML. Para este tipo de competiciones, el hardware es bastante caro para comprar por cuenta propia, y aquí se pueden probar ideas de forma gratuita».
«Antes de la llegada de los entrenamientos de ML, apenas participé en competiciones, salvo en las académicas y en las indias: no veía sentido en ello, ya que mi trabajo estaba en el campo de la IA y estaba familiarizado con él. Asistí al primer semestre como oyente. Pero a partir del segundo semestre, tan pronto como comenzaron a aparecer los recursos computacionales, pensé, ¿por qué no participar? Y me enganché. La tarea, los datos y las métricas ya estaban pensados y preparados para ti, solo toma y usa toda la potencia de la IA, prueba modelos y técnicas de última generación. Si no fuera por los entrenamientos y, no menos importante, los recursos computacionales, no habría comenzado a participar tan pronto».
«Los entrenamientos presenciales de ML me ayudaron a encontrar compañeros con quienes profundicé mis conocimientos en el campo del aprendizaje automático y el análisis de datos. También es una excelente opción para aquellos que no tienen mucho tiempo libre para profundizar en los concursos, pero que aún quieren estar al tanto del tema».
Únete a nosotros
Las competiciones en Kaggle y otras plataformas afinan las habilidades prácticas y rápidamente se convierten en trabajos interesantes en el campo de la ciencia de datos. Las personas que participan juntas en una competencia difícil a menudo se convierten en colegas y continúan resolviendo con éxito tareas laborales. Esto nos ha pasado a nosotros: Mikhail Karchenskiy y un amigo de su equipo pasaron a trabajar en la misma empresa en un sistema de recomendación.
Con el tiempo, planeamos expandir esta actividad con publicaciones científicas y participación en conferencias sobre aprendizaje automático. Únete a nosotros como participante o experto en Novosibirsk — escribe a o . Organiza entrenamientos similares en tus ciudades y universidades.
Aquí tienes una pequeña guía que te ayudará a dar tus primeros pasos:
- Piensa en un lugar y horario convenientes para las sesiones regulares. Lo óptimo es 1-2 veces por semana.
- Escribe a los posibles participantes interesados sobre la primera reunión. En primer lugar, esto incluye a estudiantes de universidades técnicas y participantes de ODS.
- Crea un grupo de chat para discutir asuntos actuales: Telegram, VK, WhatsApp o cualquier otro mensajero conveniente para la mayoría.
- Manten un plan de clases público, una lista de competiciones y participantes, y sigue los resultados.
- En universidades, institutos de investigación o empresas cercanas, busca recursos computacionales disponibles o subvenciones para ellos.
- ¡BENEFICIO!
Fuente: habr.com
