Je m'appelle Sasha et j'aime l'apprentissage automatique, ainsi que l'enseignement aux autres. Je supervise actuellement des programmes éducatifs au centre d'informatique et dirige le programme de licence en analyse de données à l'Université d'État de Saint-Pétersbourg. Avant cela, j'ai travaillé en tant qu'analyste chez Yandex, et auparavant, j'étais chercheur : j'ai travaillé sur la modélisation mathématique à l'Institut de recherche en informatique de l'Académie des sciences de Sibérie.
Dans ce post, je souhaite partager ce qui a émergé de l'idée de lancer des entraînements en apprentissage automatique pour les étudiants, les diplômés de l'Université d'État de Novossibirsk et toute personne intéressée.
Cela fait longtemps que je voulais organiser un cours spécial pour préparer aux compétitions d'analyse de données sur Kaggle et d'autres plateformes. Cela me semblait être une excellente idée :
- Les étudiants et tous les intéressés appliqueront leurs connaissances théoriques en pratique et acquerront de l'expérience en résolvant des problèmes lors de compétitions publiques.
- Les étudiants qui se classent parmi les meilleurs dans ces compétitions améliorent l'attrait de l'Université d'État de Novossibirsk pour les futurs étudiants et les diplômés. C'est exactement la même chose avec les entraînements en programmation compétitive.
- Ce cours spécial complète et enrichit excellentes connaissances fondamentales : les participants mettent en œuvre des modèles d'apprentissage automatique de manière autonome et s'unissent souvent en équipes qui concourent à un niveau mondial.
- D'autres universités ont déjà organisé de tels entraînements, donc j'espérais le succès du cours spécial à l'Université d'État de Novossibirsk.
Lancement
Dans l'Académie de Novossibirsk, il y a un terreau très fertile pour de telles initiatives : des étudiants, des diplômés et des enseignants du centre d'informatique et de facultés techniques solides, comme la FIT, la MMF, la FF, avec un soutien puissant de l'administration de l'Université d'État de Novossibirsk, une communauté ODS active, des ingénieurs et des analystes expérimentés de diverses entreprises IT. C'est à peu près à ce moment-là que nous avons entendu parler d'un programme de subventions de — le fonds soutient les équipes qui obtiennent de bons résultats dans les compétitions de ML sportif.
Nous avons trouvé des salles à l'Université d'État de Novossibirsk pour des rencontres hebdomadaires, créé un groupe sur Telegram et, depuis le 1er octobre, nous avons commencé avec des étudiants et des diplômés du centre CS. Pour la première séance, 19 personnes étaient présentes. Six d'entre elles sont devenues des participantes régulières des entraînements. Au total, au cours de l'année scolaire, 31 personnes sont venues au moins une fois à la rencontre.
Les premiers résultats
Avec les gars, nous nous sommes rencontrés, avons échangé des expériences, discuté des compétitions et d'un plan approximatif pour l'avenir. Nous avons rapidement compris que la lutte pour les places dans les compétitions d'analyse de données est un travail régulier et épuisant, semblable à un travail à temps plein non rémunéré, mais très intéressant et captivant 🙂 L'un des participants, le maître Kaggle Maxime, nous a conseillé de d'abord progresser dans les concours individuellement, et seulement après quelques semaines de nous unir en équipes, en tenant compte du score public. C'est exactement ce que nous avons fait ! Lors des entraînements en présentiel, nous discutions des modèles, des articles scientifiques et des subtilités des bibliothèques Python, et résolvions ensemble des problèmes.
Les résultats du semestre d'automne ont été trois médailles d'argent dans deux compétitions sur Kaggle : et . Et une troisième place dans le concours CFT sur la correction des fautes avec nos premiers gains (in the money, comme disent les kegelers expérimentés).
Un autre résultat très important du cours spécialisé a été le lancement et la configuration du cluster VKI de l'Université Nationale d'État de Novossibirsk. Sa puissance de calcul a nettement amélioré notre vie de compétition : 40 CPU, 755 Go de RAM, 8 GPU NVIDIA Tesla V100.
Avant cela, nous survécu comme nous pouvions : nous utilisions nos ordinateurs portables et de bureau personnels, Google Colab et les kernels Kaggle. Une équipe avait même un script personnalisé qui sauvegardait automatiquement le modèle et redémarrait le calcul qui s'était arrêté à cause de la limite de temps.
Au semestre de printemps, nous avons continué à nous rassembler, à échanger des découvertes réussies et à parler de nos solutions aux compétitions. De nouveaux participants intéressés ont commencé à nous rejoindre. Pour le semestre de printemps, nous avons réussi à obtenir une médaille d'or, trois médailles d'argent et neuf médailles de bronze dans huit compétitions sur Kaggle : , , , , , et d'autres, une médaille de bronze dans , une troisième place dans le Changellenge>>Cup et une première place (encore in the money) dans la compétition de machine learning sur de Yandex.
Ce que disent les participants aux entraînements
« Je suis très heureux qu'une telle activité se déroule chez nous en Sibérie, car je pense que la participation à des compétitions est le moyen le plus rapide d'apprendre le ML. Pour de telles compétitions, le matériel est assez cher pour l'acheter soi-même, ici on peut essayer des idées gratuitement. »
«Avant l'émergence des entraînements ML, je ne participais guère à des concours, sauf à des compétitions académiques et indiennes : je n'y voyais pas d'intérêt, étant donné que je travaillais déjà dans le domaine de l'IA et que j'étais familier avec. Le premier semestre, j'y allais en tant qu'auditeur. Mais à partir du deuxième semestre, dès que des ressources de calcul ont été mises à disposition, j'ai pensé, pourquoi ne pas participer. Cela m'a entraîné. Les tâches, les données et les métriques étaient déjà préparées pour vous, il ne restait plus qu'à utiliser toute la puissance de l'IA, à tester des modèles et techniques à la pointe de la technologie. Si ce n'était pas pour ces entraînements et, tout aussi important, les ressources de calcul, je n'aurais pas commencé à participer aussi rapidement. »
«Les entraînements ML en présentiel m'ont aidé à trouver des personnes partageant les mêmes idées, avec qui j'ai pu approfondir mes connaissances en apprentissage automatique et en analyse de données. C'est aussi une excellente option pour ceux qui n'ont pas beaucoup de temps libre pour explorer et s'immerger dans les concours, mais qui souhaitent néanmoins rester informés. »
Rejoignez-nous
Les compétitions sur Kaggle et d'autres plateformes aiguisent les compétences pratiques et se traduisent rapidement par un travail intéressant dans le domaine des sciences des données. Les personnes qui ont participé ensemble à une compétition difficile deviennent souvent collègues et continuent à résoudre avec succès des tâches professionnelles. Cela nous est arrivé aussi : Mikhaïl Kartchevski et un ami de l'équipe sont passés à une entreprise pour travailler sur un système de recommandation.
Avec le temps, nous prévoyons d'élargir cette activité par des publications scientifiques et une participation à des conférences sur l'apprentissage automatique. Rejoignez-nous en tant que participants ou experts à Novossibirsk — écrivez ou . Organisez des entraînements similaires dans vos villes et universités.
Voici un petit guide qui vous aidera à faire vos premiers pas :
- Réfléchissez à un lieu et un moment pratiques pour des séances régulières. Optimal — 1 à 2 fois par semaine.
- Écrivez aux participants potentiellement intéressés au sujet de la première réunion. Ce sont principalement des étudiants d'universités techniques, des participants de l'ODS.
- Créez un chat pour discuter des affaires en cours : Telegram, VK, WhatsApp ou tout autre messager qui convient à la majorité.
- Tenez un plan de cours accessible au public, une liste des compétitions et des participants, et suivez les résultats.
- Dans les universités, institutes de recherche ou entreprises à proximité, trouvez des ressources de calcul disponibles ou des subventions les concernant.
- PROFIT!
Source : habr.com
