Mina nimi on Sasha ja ma armastan masinõpet ning inimeste õpetamist. Praegu juhin hariduse programme Computer Science keskuses ja juhin andmeanalüüsi bakalaureuseõpet Saint Peterburis. Enne seda töötasin analüütikuna Yandexis ja veel varem teadlasena, tegin matemaatilisi modelleerimistöid RAN-IWT-s.
Sellest postitusest tahan rääkida, mis tuli välja ideest alustada masinõppe treeninguid Novosibirski Riikliku Ülikooli üliõpilastele, lõpetajatele ja kõigile huvilistele.
Olen juba ammu tahtnud korraldada erikursust andmeanalüüsi võistlusteks Kaggle'is ja teistel platvormidel. See tundus suurepärase ideena:
- Üliõpilased ja kõik huvilised saavad praktiliselt rakendada teoreetilisi teadmisi ning kogeda probleemide lahendamist avalikes konkurssides.
- Üliõpilased, kes saavutavad kõrgeid kohti sellistel konkursitel, mõjuvad positiivselt Novosibirski Riikliku Ülikooli atraktiivsusele tulevasteatud, üliõpilastele ja lõpetajatele. Samamoodi toimub ka sportliku programmeerimise treeningutel.
- Selline erikursus täiendab ja laiendab suurepäraselt põhiteadmisi: osalejad rakendavad iseseisvalt masinõppe mudeleid, tihti koondudes meeskondadesse, kes konkureerivad maailmas.
- Teistes ülikoolides on juba selliseid treeninguid korraldatud, seega lootsin, et erikursus on edukas ka Novosibirski Riiklikus Ülikoolis.
Käivitamine
Akademgorodokis Novosibirski linnas on selliste algatuste jaoks väga soodne pinnase: üliõpilased, lõpetajad ja õpetajad Computer Science keskuse ning tugevate tehniliste teaduskondade, nagu FIT, MMF, FF, tugev toetus Novosibirski Riikliku Ülikooli administratsioonilt, aktiivne ODS-äriühenduse kogukond ning kogenud insenerid ja analüütikud erinevates IT-ettevõtetes. Umbes sel ajal saime teada ka üle ainult uurimisprogrammist. — fond toetab meeskondi, kes näitavad head tulemust sportlikus masinõppes.
Leidsime Novosibirski Riiklikus Ülikoolis auditoriumid iganädalasteks kohtumisteks, lõime Telegramis grupi ja alates 1. oktoobrist alustasime koos CS keskuse üliõpilaste ja lõpetajatega. Esimesele loengule tuli 19 inimest. Kuus neist on saanud regulaarseteks treeningute osalejateks. Kogu õppeaasta jooksul on vähemalt üks kord kohtumisele tulnud 31 inimest.
Esimesed tulemused
Me ja mu kolleegidega tutvusime, jagasime kogemusi, arutasime võistlusi ja umbkaudset tulevikukava. Saime üsna kiiresti aru, et andmeanalüüsi võistluste kohtade nimel võitlemine on regulaarne väsitav töö, mis sarnaneb tasustamata täiskohaga tööle, kuid on erakordselt huvitav ja põnev 🙂 Üks osaleja, Kaggle master Maksim, soovitas meil kõigepealt osaleda võistlustes individuaalselt ja alles seejärel, pärast mitmeid nädalaid, liituda meeskondadega, arvestades avalikku skoori. Me tegime just nii! Kohtumistel arutasime mudeleid, teadusartikleid ja Python'i raamatukogude nüansse, lahendasime koos probleeme.
Sügissemester tõi kaasa kolm hõbedat kahes võistluses Kaggle'is: ja . Ja üks kolmas koht CFT võistlusel trükivigade parandamises koos meie esimeste teenitud rahaauhindadega (in the money, nagu ütlevad kogenud kütilikud).
Teiseks väga oluliseks kaudseks tulemuseks erikursuse jaoks oli VKI NSU kasti käivitamine ja seadistamine. Selle arvutusvõimsus parandas meie võistluslikku elu märgatavalt: 40 CPU, 755 Gb RAM, 8 GPU NVIDIA Tesla V100.
Seni pidasime vastu, kuidas suutsime: arvutasime oma sülearvutites ja lauaarvutites, Google Colabis ja Kaggle-kernelites. Ühel meeskonnal oli isegi isetehtud skript, mis salvestas mudeli automaatselt ja taaskäitis arvutuse, mis oli ajapiirangu tõttu peatatud.
Kevadsemester jätkuks meie kogunemiste, edukaid leidude jagamiste ja oma lahenduste arutamisega. Meie juurde tulid uued huvitatud osalejad. Kevadsemestri jooksul saime ühe kulda, kolm hõbedat ja üheksa pronksit kaheksas Kaggle'i võistluses: , , , , , ja teised, pronks Recco challenge programmeerimise meistrivõistlustel Mida ütlevad treeningute osalejad
Mihhail Karčevski
„Mul on väga hea meel, et selline tegevus toimub meil Siberis, sest arvan, et osalemine võistlustel on kõige kiirem viis ML-i omandamiseks. Selliste konkurside jaoks on seadmed iseseisvalt ostmiseks piisavalt kallid, kuid siin saab ideid tasuta proovida.“
«Enne ML-treeningute toimumist ei olnud mul erilist soovi konkursidel osaleda, välja arvatud õppe- ja India võistlustel: ei näinud selles mõtet, kuna minu töö oli tehisintellekti valdkonnas ning olin selle valdkonnaga tuttav. Esimesel semestril käisin kuulajana. Alates teisest semestrist, kui arvutusressursid ilmusid, mõtlesin, et miks mitte osaleda. See haaras mind. Ülesande, andmete ja mõõdikud olid sinu eest välja mõeldud ja valmis pandud, kasuta lihtsalt kogu tehisintellekti jõud, proovi state-of-the-art mudeleid ja tehnikaid. Kui ei oleks olnud treeningutest ja, mis on samuti oluline, arvutusressurssidest, ei oleks ma kaua aega osalenud.»
«Isiklikud ML-treeningud aitasid mul leida mõttekaaslasi, kellega koos suutsime süvendada oma teadmisi masinõppe ja andmeanalüüsi valdkonnas. See on ka suurepärane võimalus neile, kellel pole palju vaba aega iseseisvaks teemasse süvenemiseks, kuid kes siiski tahavad kursis olla.»
Liitu meiega
Kaggle'i ja teiste platvormide võistlused lihvivad praktilisi oskusi ja muunduvad kiiresti põnevaks tööks andeteaduse valdkonnas. Inimesed, kes osalevad koos keerulisel võistlusel, saavad sageli kolleegideks ja jätkavad juba tööülesannete edukat lahendamist. See on juhtunud ka meie puhul: Mihhail Karčevski ja ta sõber meeskonnast on läinud töötama ühte ettevõttesse soovitussüsteemi kallale.
Aja jooksul plaanime seda tegevust laiendada teaduspublikatsioonide ja masinõppe konverentside osalusega. Liitu meiega osalejate või ekspertidena Novosibirskis — kirjutage või . Korraldage sarnaseid treeninguid oma linnades ja ülikoolides.
Siin on väike abimees, mis aitab esimesi samme astuda:
- Mõtle korralikule kohale ja ajale regulaarseteks treeninguteks. Optimaalne — 1-2 korda nädalas.
- Kirjuta potentsiaalsetele osalejatele esimesest kohtumisest. Eelkõige on need tehniliste ülikoolide tudengid, ODSi osalejad.
- Loo arutelugrupp jooksvaid asju arutada: Telegram, VK, WhatsApp või mõni muu enamikule mugav sõnumitooja.
- Pidage avalikku treeningplaani, võistluste ja osalejate nimekirja, jälgige tulemusi.
- Leia ülikoolide, teadusinstituutide või ettevõtete seas, et leida vabu arvutusressursse või nendele mõeldud toetusi.
- PROFIT!
Allikas: habr.com
