Ola a todos!
En só un par de semanas, do 30 ao 31 de marzo, celebraremos , dedicada á análise de datos. A selección de equipos continuará ata o 30 de marzo, as tarefas terán que ser resoltas non abstractas, senón bastante reais: proporcionaremos datos reais da empresa para iso.
Estas son as especialidades cuxos representantes poderán participar:
- Enxeñeiro de datos
- Arquitecto de datos
- Científico de datos
- Arquitecto de solucións
- Desenvolvedor front-end
- Desenvolvedor back-end
- Deseñador de UX / UI
- Propietario do produto
- Mestre de Scrum
Máis detalles sobre tarefas e etapas están baixo o corte.
O primeiro estadio xa está en marcha agora mesmo, do 1 ao 30 de marzo, este é un curso educativo en liña gratuíto, despois de rexistrarte recibirás enlaces aos traballos, poderás acumular puntos e no proceso coñecer a outros participantes se aínda non escolliches un equipo. Si, é importante escoller un equipo, porque son equipos os que participan (de 2 a 5 persoas en cada un).
Desenvolvemos o programa educativo xunto cos especialistas de AI Today, as tarefas xa están dispoñibles no bot de telegram @siburchallenge_bot. Por certo, no bot tamén podes consultar o teu saldo actual de puntos de bonificación (poden cambiarse por mercadoría útil, funcións adicionais (como unha hora de mentoría adicional) ou participar nunha poxa por un super premio.
Os puntos concédense por rexistrarse no propio hackathon (rexistrado antes = recibiu máis puntos), por completar todo o programa, por deixar datos e moito máis.
Lista completa
- Ata 500 - para rexistrarse no sitio web de hackathon (canto máis cedo sexa a data de rexistro, máis puntos).
- Ata 500 para a inscrición do equipo (o mesmo dependendo da data).
- 100 - por presentar aos participantes de #siburchallenge no chat e deixar información sobre ti.
- 100 - para enviar o seu currículo.
- 100 - por cada resposta correcta despois das clases de vídeo, e en caso de completar con éxito (75% das respostas correctas) de todo o programa educativo - puntos adicionais.
- 100 - para completar a primeira lección no bot.
- Ata 1500 - por completar todo o programa (polo menos o 75% das respostas correctas) antes dunha data determinada: canto antes, máis puntos.
- 500 - para a participación no programa de referencia.
- Ata 300: para anuncios e recensións nas redes sociais.
- Ata 500 por asistir a eventos adicionais antes do hackathon.
- 100 - para comentarios.
- 200: se atopou un erro ou erro.
Segunda etapa, 29 de marzo, encontro. Aquí xa podes unirte ao equipo desexado, se aínda non o fixeches. Comunicación cos representantes da empresa (TI, RRHH, departamentos empresariais).
Terceira fase, ata o 30 de marzo, selección de equipos. Se non te unches aos equipos nas dúas primeiras etapas, esta é a túa última oportunidade. Forma un equipo ti mesmo ou únete aos existentes segundo o perfil que necesites. Tamén haberá unha serie de actividades para as que se lle darán puntos: cómpre recoller o número necesario.
A cuarta etapa, do 30 ao 31 de marzo, é o propio hackathon. Aquí o teu equipo terá que desenvolver unha solución ao problema. Podes consultar cos nosos expertos durante o proceso.
Por certo, sobre expertos
- Gleb Ivashkevich / AI Hoxe
Experto en aprendizaxe profunda. Xefe de Data Science AI Today. Mentor do programa Y-Data. - Anastasia Makeenok / ex-Microsoft
Experto independente en startups e innovación. Antigo xefe de startups e interaccións académicas de Microsoft en Rusia e Europa do Leste. Consulta a startups sobre mercadotecnia e desenvolvemento empresarial. - Sergey Martynov / Brainex
Líder do equipo de desenvolvemento de Brainex e socio da empresa de capital risco NP Capital. No negocio de Internet durante máis de 15 anos, no pasado foi o xestor de proxectos como Gosuslugi.ru e Mail.Ru Post. - Ilya Korolev / IIDF
Xestor de carteira IIDF. Carteira de investimentos: máis de 850 millóns de rublos, 18 empresas dos campos de LegalTech, AR/VR e MarTech e Internet do consumidor. - Pavel Doronin / Comunidade AI
Fundador da comunidade AI. Fundador da Comunidade AI e do laboratorio de transformación dixital AI Today. - Alexey Pavlyukov / Esporo
Go-evangelist en Esporo. Desenvolvedor full-stack. Traballa na creación de servizos web e sistemas de aprendizaxe automática nas áreas de análise de textos, documentos e imaxes. - Nikolay Kugaevsky / it52.info
Fundador e desenvolvedor do póster de encontros de Nizhny Novgorod it52.info. Desenvolvedor independente. Traballou para Yandex.Money e iFree. Encántalle o rubí e segue o desenvolvemento das tecnoloxías front-end. - Alexander Krot / SIBUR
Xefe de proxecto de análise de datos en SIBUR. Traballou na Asia Central de Sberbank, onde foi o responsable da implantación de produtos baseados na análise de datos e na aprendizaxe automática. - Sergey Belousov / Intel
Enxeñeiro de Machine Learning en I+D en Intel. Máis de 8 anos de experiencia en visión por ordenador e aprendizaxe automática. Participou no desenvolvemento de bibliotecas abertas de CV/ML como OpenCV, OpenVINO.
E sobre tarefas
En primeiro lugar, haberá unha tarefa sobre a distribución de vales. Nunha organización grande, esta aínda é unha gran data cunha morea de parámetros.
Do noso lado:
- Conxunto de datos de 19 solicitudes de vales de empregados con analistas sobre experiencia laboral, premios e datos persoais para recibir beneficios, capacidade das salas do sanatorio, criterios para a concesión de vales aos empregados.
- Un empresario do proceso que contará e mostrará todo.
Do teu lado:
Unha solución integral que permitirá a un especialista en solucións laborais tomar rapidamente decisións sobre a distribución destes vales entre os empregados que solicitaron a emisión de vales, e ofrecer opcións de distribución de vales entre as empresas e o número de habitacións.
A solución debe constar de dúas partes:
- Algoritmo baseado na análise de datos.
- Interface coa visualización de datos e resultados do algoritmo e calquera dato adicional.
En segundo lugar, un problema sobre un asesor na produción de butadieno (escribimos un pouco sobre isto ).
Contrasinais e contas
Localización: , hotel .
.
Se querías probar a análise de datos nunha gran instalación de produción, ven. E tamén temos .
Fonte: www.habr.com