हैबे पर मशीन लर्निंग प्रतियोगिताओं की थीम को जारी रखते हुए, हम पाठकों को दो और प्लेटफार्मों से परिचित कराना चाहेंगे। वे निश्चित रूप से कागल जितने विशाल नहीं हैं, लेकिन वे निश्चित रूप से ध्यान देने योग्य हैं।

व्यक्तिगत रूप से, मुझे कई कारणों से कागल बहुत अधिक पसंद नहीं है:

• सबसे पहले, वहाँ प्रतियोगिताएँ अक्सर कई महीनों तक चलती हैं, और सक्रिय भागीदारी के लिए बहुत प्रयास की आवश्यकता होती है;
• दूसरे, सार्वजनिक कर्नेल (सार्वजनिक समाधान)। कागल के अनुयायी उनके साथ तिब्बती भिक्षुओं की तरह शांति से व्यवहार करने की सलाह देते हैं, लेकिन वास्तव में यह काफी शर्म की बात है जब आप जिस चीज पर एक या दो महीने से काम कर रहे थे वह अचानक सभी के लिए चांदी की थाली में रख दी जाती है।

सौभाग्य से, मशीन लर्निंग प्रतियोगिताएं अन्य प्लेटफार्मों पर आयोजित की जाती हैं, और इनमें से कुछ प्रतियोगिताओं पर चर्चा की जाएगी।

आईडीएओ	एसएनए हैकथॉन 2019
आधिकारिक भाषा: अंग्रेजी, आयोजक: यांडेक्स, सर्बैंक, एचएसई	आधिकारिक रूसी भाषा, आयोजक: Mail.ru समूह
ऑनलाइन राउंड: 15 जनवरी - 11 फरवरी, 2019; ऑन-साइट फ़ाइनल: अप्रैल 4-6, 2019	ऑनलाइन - 7 फरवरी से 15 मार्च तक; ऑफलाइन - 30 मार्च से 1 अप्रैल तक.
लार्ज हैड्रॉन कोलाइडर (प्रक्षेपवक्र, गति और अन्य जटिल भौतिक मापदंडों) में एक कण के बारे में डेटा के एक निश्चित सेट का उपयोग करके, यह निर्धारित करें कि यह म्यूऑन है या नहीं इस कथन से, 2 कार्यों की पहचान की गई: — एक में आपको बस अपनी भविष्यवाणी भेजनी थी, - और दूसरे में - भविष्यवाणी के लिए पूरा कोड और मॉडल, और निष्पादन रनिंग टाइम और मेमोरी उपयोग पर काफी सख्त प्रतिबंधों के अधीन था	एसएनए हैकथॉन प्रतियोगिता के लिए, फरवरी-मार्च 2018 के लिए उपयोगकर्ता समाचार फ़ीड में खुले समूहों से प्रदर्शित सामग्री के लॉग एकत्र किए गए थे। परीक्षण सेट में मार्च का अंतिम सप्ताह और आधा भाग शामिल है। लॉग में प्रत्येक प्रविष्टि में इस बारे में जानकारी होती है कि क्या दिखाया गया था और किसे दिखाया गया था, साथ ही उपयोगकर्ता ने इस सामग्री पर कैसे प्रतिक्रिया दी: इसे रेट किया, टिप्पणी की, इसे अनदेखा किया, या इसे फ़ीड से छिपा दिया। SNA हैकथॉन के कार्यों का सार सोशल नेटवर्क Odnoklassniki के प्रत्येक उपयोगकर्ता को उसके फ़ीड को रैंक करना है, उन पोस्टों को यथासंभव ऊपर उठाना है जिन्हें "क्लास" प्राप्त होगा। ऑनलाइन चरण में, कार्य को 3 भागों में विभाजित किया गया था: 1. विभिन्न सहयोगी विशेषताओं के अनुसार पदों को रैंक करें 2. पोस्टों को उनमें मौजूद छवियों के आधार पर रैंक करें 3. पोस्टों को उनमें मौजूद टेक्स्ट के अनुसार रैंक करें
जटिल कस्टम मीट्रिक, ROC-AUC जैसा कुछ	उपयोगकर्ता द्वारा औसत आरओसी-एयूसी
पहले चरण के लिए पुरस्कार - एन स्थानों के लिए टी-शर्ट, दूसरे चरण के लिए मार्ग, जहां प्रतियोगिता के दौरान आवास और भोजन का भुगतान किया गया था दूसरा चरण - ??? (कुछ कारणों से, मैं पुरस्कार समारोह में उपस्थित नहीं था और यह पता लगाने में असमर्थ था कि अंत में पुरस्कार क्या थे)। उन्होंने विजेता टीम के सभी सदस्यों को लैपटॉप देने का वादा किया	पहले चरण के लिए पुरस्कार - 100 सर्वश्रेष्ठ प्रतिभागियों के लिए टी-शर्ट, दूसरे चरण में प्रवेश, जहां प्रतियोगिता के दौरान मास्को की यात्रा, आवास और भोजन का भुगतान किया गया। साथ ही, पहले चरण के अंत में, चरण 3 के 1 कार्यों में सर्वश्रेष्ठ के लिए पुरस्कारों की घोषणा की गई: सभी ने RTX 2080 TI वीडियो कार्ड जीता! दूसरा चरण एक टीम चरण था, टीमों में 2 से 5 लोग शामिल थे, पुरस्कार: पहला स्थान - 1 रूबल पहला स्थान - 2 रूबल पहला स्थान - 3 रूबल जूरी पुरस्कार - 100 रूबल
आधिकारिक टेलीग्राम समूह, ~190 प्रतिभागी, अंग्रेजी में संचार, प्रश्नों के उत्तर के लिए कई दिनों तक इंतजार करना पड़ा	टेलीग्राम में आधिकारिक समूह, ~1500 प्रतिभागी, प्रतिभागियों और आयोजकों के बीच कार्यों की सक्रिय चर्चा
आयोजकों ने सरल और उन्नत, दो बुनियादी समाधान प्रदान किए। साधारण के लिए 16 जीबी से कम रैम की आवश्यकता होती है, और उन्नत मेमोरी 16 में फिट नहीं होती। साथ ही, थोड़ा आगे देखने पर, प्रतिभागी उन्नत समाधान से बेहतर प्रदर्शन करने में सक्षम नहीं थे। इन समाधानों को लॉन्च करने में कोई कठिनाई नहीं हुई। यह ध्यान दिया जाना चाहिए कि उन्नत उदाहरण में समाधान में सुधार कहां से शुरू करना है, इस पर संकेत के साथ एक टिप्पणी थी।	प्रत्येक कार्य के लिए बुनियादी आदिम समाधान प्रदान किए गए, जिन्हें प्रतिभागियों ने आसानी से पार कर लिया। प्रतियोगिता के शुरुआती दिनों में, प्रतिभागियों को कई कठिनाइयों का सामना करना पड़ा: सबसे पहले, डेटा Apache Parquet प्रारूप में दिया गया था, और Python और Parquet पैकेज के सभी संयोजन त्रुटियों के बिना काम नहीं करते थे। दूसरी कठिनाई मेल क्लाउड से तस्वीरें डाउनलोड करने की थी; फिलहाल एक साथ बड़ी मात्रा में डेटा डाउनलोड करने का कोई आसान तरीका नहीं है। परिणामस्वरूप, इन समस्याओं के कारण प्रतिभागियों को कुछ दिनों की देरी हुई।

आईडीएओ. प्रथम चरण

कार्य म्यूऑन/गैर-म्यूऑन कणों को उनकी विशेषताओं के अनुसार वर्गीकृत करना था। इस कार्य की मुख्य विशेषता प्रशिक्षण डेटा में एक भार स्तंभ की उपस्थिति थी, जिसे आयोजकों ने स्वयं इस पंक्ति के उत्तर में विश्वास के रूप में व्याख्यायित किया था। समस्या यह थी कि कुछ पंक्तियों में नकारात्मक भार थे।

संकेत वाली रेखा के बारे में कुछ मिनटों तक सोचने के बाद (संकेत ने केवल भार स्तंभ की इस विशेषता की ओर ध्यान आकर्षित किया) और इस ग्राफ को बनाने के बाद, हमने 3 विकल्पों की जांच करने का निर्णय लिया:

1) नकारात्मक भार वाली रेखाओं के लक्ष्य को उल्टा करें (और तदनुसार भार)
2) वज़न को न्यूनतम मान पर शिफ्ट करें ताकि वे 0 से शुरू हों
3) स्ट्रिंग वेट का उपयोग न करें

तीसरा विकल्प सबसे खराब निकला, लेकिन पहले दो ने परिणाम में सुधार किया, सबसे अच्छा विकल्प नंबर 1 था, जिसने हमें पहले कार्य में तुरंत दूसरे स्थान पर और दूसरे में पहले स्थान पर पहुंचा दिया।

हमारा अगला कदम लापता मूल्यों के लिए डेटा की समीक्षा करना था। आयोजकों ने हमें पहले से ही संकलित डेटा दिया था, जहां कुछ गायब मूल्य थे, और उन्हें -9999 से बदल दिया गया था।

हमें MatchedHit_{X,Y,Z}[N] और MatchedHit_D{X,Y,Z}[N] कॉलम में गुम मान मिले, और केवल जब N=2 या 3. जैसा कि हम समझते हैं, कुछ कणों में नहीं था सभी 4 डिटेक्टरों को पास करें, और तीसरी या चौथी प्लेट पर रुकें। डेटा में Lextra_{X,Y}[N] कॉलम भी शामिल हैं, जो स्पष्ट रूप से MatchedHit_{X,Y,Z}[N] जैसी ही चीज़ का वर्णन करते हैं, लेकिन किसी प्रकार के एक्सट्रपलेशन का उपयोग करते हैं। इन अल्प अनुमानों ने सुझाव दिया कि Lextra_{X,Y}[N] को MatchedHit_{X,Y,Z}[N] में लुप्त मानों के लिए प्रतिस्थापित किया जा सकता है (केवल X और Y निर्देशांक के लिए)। MatchedHit_Z[N] माध्यिका से अच्छी तरह भरा हुआ था। इन जोड़तोड़ों ने हमें दोनों कार्यों में प्रथम मध्यवर्ती स्थान तक पहुंचने की अनुमति दी।

यह मानते हुए कि उन्होंने पहला चरण जीतने के लिए कुछ भी नहीं दिया, हम वहीं रुक सकते थे, लेकिन हमने जारी रखा, कुछ खूबसूरत तस्वीरें खींचीं और नई विशेषताएं लेकर आए।

उदाहरण के लिए, हमने पाया कि यदि हम चार डिटेक्टर प्लेटों में से प्रत्येक के साथ एक कण के प्रतिच्छेदन बिंदुओं को प्लॉट करते हैं, तो हम देख सकते हैं कि प्रत्येक प्लेट पर बिंदुओं को 5 से 4 के पहलू अनुपात के साथ 5 आयतों में समूहीकृत किया गया है और पर केंद्रित किया गया है। बिंदु (0,0), और पहले आयत में कोई बिंदु नहीं हैं।

प्लेट नं./आयत आयाम	1	2	3	4	5
प्लेट 1	500 × 625	1000 × 1250	2000 × 2500	4000 × 5000	8000 × 10000
प्लेट 2	520 × 650	1040 × 1300	2080 × 2600	4160 × 5200	8320 × 10400
प्लेट 3	560 × 700	1120 × 1400	2240 × 2800	4480 × 5600	8960 × 11200
प्लेट 4	600 × 750	1200 × 1500	2400 × 3000	4800 × 6000	9600 × 12000

इन आयामों को निर्धारित करने के बाद, हमने प्रत्येक कण के लिए 4 नई श्रेणीगत विशेषताएं जोड़ीं - उस आयत की संख्या जिसमें यह प्रत्येक प्लेट को काटता है।

हमने यह भी देखा कि कण केंद्र से किनारों की ओर बिखरते प्रतीत हुए और इस बिखराव की "गुणवत्ता" का किसी तरह मूल्यांकन करने का विचार आया। आदर्श रूप से, टेक-ऑफ बिंदु के आधार पर किसी प्रकार के "आदर्श" परवलय के साथ आना और उससे विचलन का अनुमान लगाना संभव होगा, लेकिन हमने खुद को "आदर्श" सीधी रेखा तक सीमित कर दिया। प्रवेश के प्रत्येक बिंदु के लिए ऐसी आदर्श सीधी रेखाओं का निर्माण करने के बाद, हम इस सीधी रेखा से प्रत्येक कण के प्रक्षेपवक्र के मानक विचलन की गणना करने में सक्षम थे। चूँकि लक्ष्य = 1 के लिए औसत विचलन 152 था, और लक्ष्य = 0 के लिए यह 390 था, हमने अस्थायी रूप से इस सुविधा को अच्छा माना। और वास्तव में, इस सुविधा ने तुरंत इसे सबसे उपयोगी लोगों में शीर्ष पर बना दिया।

हमें खुशी हुई और हमने अतिरिक्त 4 विशेषताओं के रूप में आदर्श सीधी रेखा से प्रत्येक कण के लिए सभी 4 प्रतिच्छेदन बिंदुओं के विचलन को जोड़ा (और उन्होंने अच्छी तरह से काम भी किया)।

प्रतियोगिता के विषय पर वैज्ञानिक लेखों के लिंक, जो हमें आयोजकों द्वारा दिए गए थे, ने इस विचार को प्रेरित किया कि हम इस समस्या को हल करने वाले पहले लोगों से बहुत दूर हैं और, शायद, किसी प्रकार का विशेष सॉफ्टवेयर है। जीथब पर एक रिपॉजिटरी की खोज करने के बाद जहां IsMuonSimple, IsMuon, IsMuonLoose तरीकों को लागू किया गया था, हमने उन्हें मामूली संशोधनों के साथ अपनी साइट पर स्थानांतरित कर दिया। विधियाँ स्वयं बहुत सरल थीं: उदाहरण के लिए, यदि ऊर्जा एक निश्चित सीमा से कम है, तो यह म्यूऑन नहीं है, अन्यथा यह म्यूऑन है। इस तरह की सरल सुविधाएँ स्पष्ट रूप से ग्रेडिएंट बूस्टिंग के उपयोग के मामले में वृद्धि नहीं दे सकती हैं, इसलिए हमने दहलीज में एक और महत्वपूर्ण "दूरी" जोड़ दी है। इन सुविधाओं में भी थोड़ा सुधार किया गया है। शायद, मौजूदा तरीकों का अधिक गहनता से विश्लेषण करके, मजबूत तरीकों को ढूंढना और उन्हें संकेतों में जोड़ना संभव था।

प्रतियोगिता के अंत में, हमने दूसरी समस्या के लिए "त्वरित" समाधान में थोड़ा बदलाव किया; अंत में, यह निम्नलिखित बिंदुओं में आधार रेखा से भिन्न हो गया:

1. नकारात्मक भार वाली पंक्तियों में लक्ष्य उलटा था
2. MatchedHit_{X,Y,Z}[N] में लुप्त मान भरे गए
3. गहराई घटाकर 7 कर दी गई
4. सीखने की दर घटाकर 0.1 (0.19 थी)

परिणामस्वरूप, हमने अधिक सुविधाओं की कोशिश की (बहुत सफलतापूर्वक नहीं), चयनित पैरामीटर और प्रशिक्षित कैटबूस्ट, लाइटजीबीएम और एक्सजीबूस्ट, भविष्यवाणियों के विभिन्न मिश्रणों की कोशिश की और निजी खोलने से पहले हमने आत्मविश्वास से दूसरे कार्य पर जीत हासिल की, और पहले पर हम उनमें से थे नेता.

प्राइवेट खोलने के बाद हम पहले कार्य के लिए 10वें स्थान पर और दूसरे के लिए तीसरे स्थान पर थे। सारे नेता आपस में मिल गए और अकेले में स्पीड लिबबोर्ड से ज्यादा हो गई. ऐसा लगता है कि डेटा खराब स्तरीकृत था (या उदाहरण के लिए निजी में नकारात्मक भार वाली कोई पंक्तियाँ नहीं थीं) और यह थोड़ा निराशाजनक था।

एसएनए हैकथॉन 2019 - टेक्स्ट। प्रथम चरण

कार्य Odnoklassniki सोशल नेटवर्क पर उपयोगकर्ता पोस्ट को उनमें मौजूद टेक्स्ट के आधार पर रैंक करना था; टेक्स्ट के अलावा, पोस्ट की कुछ और विशेषताएं थीं (भाषा, स्वामी, निर्माण की तिथि और समय, देखने की तिथि और समय) ).

पाठ के साथ काम करने के शास्त्रीय दृष्टिकोण के रूप में, मैं दो विकल्पों पर प्रकाश डालूँगा:

1. प्रत्येक शब्द को एन-आयामी वेक्टर स्पेस में मैप करना ताकि समान शब्दों में समान वेक्टर हों (और पढ़ें)। हमारा लेख), फिर या तो पाठ के लिए औसत शब्द ढूंढना या उन तंत्रों का उपयोग करना जो शब्दों की सापेक्ष स्थिति को ध्यान में रखते हैं (सीएनएन, एलएसटीएम/जीआरयू)।
2. ऐसे मॉडलों का उपयोग करना जो संपूर्ण वाक्यों के साथ तुरंत काम कर सकें। उदाहरण के लिए, बर्ट. सिद्धांत रूप में, इस दृष्टिकोण को बेहतर काम करना चाहिए।

चूंकि पाठ के साथ यह मेरा पहला अनुभव था, इसलिए किसी को पढ़ाना गलत होगा, इसलिए मैं खुद ही पढ़ाऊंगा। ये वे युक्तियाँ हैं जो मैं प्रतियोगिता की शुरुआत में स्वयं को दूँगा:

1. इससे पहले कि आप कुछ सिखाने के लिए दौड़ें, डेटा पर नज़र डालें! पाठ के अलावा, डेटा में कई कॉलम थे और उनमें से मेरी तुलना में कहीं अधिक निचोड़ना संभव था। सबसे सरल बात कुछ स्तंभों के लिए माध्य लक्ष्य एन्कोडिंग करना है।
2. सभी डेटा से मत सीखो! बहुत सारा डेटा था (लगभग 17 मिलियन पंक्तियाँ) और परिकल्पनाओं का परीक्षण करने के लिए उन सभी का उपयोग करना बिल्कुल भी आवश्यक नहीं था। प्रशिक्षण और प्रीप्रोसेसिंग काफी धीमी थी, और जाहिर तौर पर मेरे पास अधिक दिलचस्प परिकल्पनाओं का परीक्षण करने का समय था।
3. <विवादास्पद सलाह> किलर मॉडल की तलाश करने की जरूरत नहीं। मैंने एल्मो और बर्ट का पता लगाने में काफी समय बिताया, यह आशा करते हुए कि वे मुझे तुरंत एक ऊंचे स्थान पर ले जाएंगे, और परिणामस्वरूप मैंने रूसी भाषा के लिए फास्टटेक्स्ट पूर्व-प्रशिक्षित एम्बेडिंग का उपयोग किया। मैं एल्मो के साथ बेहतर गति हासिल नहीं कर सका, और मेरे पास अभी भी बर्ट के साथ इसका पता लगाने का समय नहीं था।
4. <विवादास्पद सलाह> किसी एक बेहतरीन फीचर की तलाश करने की जरूरत नहीं है। डेटा को देखते हुए, मैंने देखा कि लगभग 1 प्रतिशत पाठों में वास्तव में पाठ नहीं है! लेकिन कुछ संसाधनों के लिंक थे, और मैंने एक साधारण पार्सर लिखा जिसने साइट खोली और शीर्षक और विवरण निकाला। यह एक अच्छा विचार प्रतीत हुआ, लेकिन फिर मैं बहक गया और सभी ग्रंथों के सभी लिंक को पार्स करने का निर्णय लिया और फिर से बहुत समय बर्बाद कर दिया। इन सबसे अंतिम परिणाम में कोई महत्वपूर्ण सुधार नहीं हुआ (हालांकि उदाहरण के लिए, मैंने स्टेमिंग का पता लगा लिया)।
5. क्लासिक सुविधाएँ काम करती हैं। हम Google, उदाहरण के लिए, "टेक्स्ट फीचर्स कागल", सब कुछ पढ़ते हैं और जोड़ते हैं। टीएफ-आईडीएफ ने सुधार प्रदान किया, साथ ही पाठ की लंबाई, शब्द और विराम चिह्न की मात्रा जैसी सांख्यिकीय विशेषताएं भी प्रदान कीं।
6. यदि दिनांक समय कॉलम हैं, तो उन्हें कई अलग-अलग विशेषताओं (घंटे, सप्ताह के दिन, आदि) में पार्स करना उचित है। किन विशेषताओं को उजागर किया जाना चाहिए, इसका विश्लेषण ग्राफ़/कुछ मेट्रिक्स का उपयोग करके किया जाना चाहिए। यहां, अचानक, मैंने सब कुछ सही ढंग से किया और आवश्यक विशेषताओं पर प्रकाश डाला, लेकिन एक सामान्य विश्लेषण से नुकसान नहीं होगा (उदाहरण के लिए, जैसा कि हमने फाइनल में किया था)।

प्रतियोगिता के परिणामस्वरूप, मैंने एक केरस मॉडल को शब्द कनवल्शन के साथ प्रशिक्षित किया, और दूसरे को एलएसटीएम और जीआरयू पर आधारित किया। उन दोनों ने रूसी भाषा के लिए पूर्व-प्रशिक्षित फास्टटेक्स्ट एम्बेडिंग का उपयोग किया (मैंने कई अन्य एम्बेडिंग की कोशिश की, लेकिन ये वही थीं जिन्होंने सबसे अच्छा काम किया)। पूर्वानुमानों के औसत के बाद, मैंने 7 प्रतिभागियों में से अंतिम 76वां स्थान प्राप्त किया।

प्रथम चरण के बाद इसका प्रकाशन हुआ निकोलाई अनोखिन का लेख, जिसने दूसरा स्थान प्राप्त किया (उसने प्रतियोगिता से बाहर भाग लिया), और कुछ स्तर तक उसका समाधान मेरे जैसा ही था, लेकिन वह क्वेरी-कुंजी-मूल्य ध्यान तंत्र के कारण आगे बढ़ गया।

दूसरा चरण ओके और आईडीएओ

प्रतियोगिताओं के दूसरे चरण लगभग लगातार हुए, इसलिए मैंने उन्हें एक साथ देखने का फैसला किया।

सबसे पहले, मैं और नई अधिग्रहीत टीम Mail.ru कंपनी के प्रभावशाली कार्यालय में पहुँचे, जहाँ हमारा काम पहले चरण के तीन ट्रैकों के मॉडल को संयोजित करना था - टेक्स्ट, चित्र और कोलाब। इसके लिए 2 दिन से थोड़ा अधिक समय आवंटित किया गया था, जो बहुत कम निकला। वास्तव में, हम विलय से कोई लाभ प्राप्त किए बिना केवल पहले चरण से अपने परिणामों को दोहराने में सक्षम थे। अंत में, हमने 5वां स्थान प्राप्त किया, लेकिन हम टेक्स्ट मॉडल का उपयोग करने में असमर्थ रहे। अन्य प्रतिभागियों के समाधानों को देखने के बाद, ऐसा लगता है कि टेक्स्ट को क्लस्टर करने और उन्हें कोलाब मॉडल में जोड़ने का प्रयास करना उचित था। इस चरण का एक दुष्प्रभाव नए अनुभव, अच्छे प्रतिभागियों और आयोजकों के साथ मिलना और संचार करना, साथ ही नींद की गंभीर कमी थी, जिसने आईडीएओ के अंतिम चरण के परिणाम को प्रभावित किया हो सकता है।

आईडीएओ 2019 के अंतिम चरण में कार्य हवाई अड्डे पर यांडेक्स टैक्सी ड्राइवरों के लिए ऑर्डर के लिए प्रतीक्षा समय की भविष्यवाणी करना था। चरण 2 में, 3 कार्य = 3 हवाई अड्डों की पहचान की गई। प्रत्येक हवाई अड्डे के लिए, छह महीने के लिए टैक्सी ऑर्डर की संख्या पर मिनट-दर-मिनट डेटा दिया जाता है। और परीक्षण डेटा के रूप में, अगले महीने और पिछले 2 सप्ताह के ऑर्डर पर मिनट-दर-मिनट डेटा दिया गया था। थोड़ा समय था (1,5 दिन), कार्य काफी विशिष्ट था, टीम से केवल एक व्यक्ति प्रतियोगिता में आया था - और परिणामस्वरूप, अंत में यह एक दुखद जगह थी। दिलचस्प विचारों में बाहरी डेटा का उपयोग करने के प्रयास शामिल थे: मौसम, ट्रैफ़िक जाम और यांडेक्स टैक्सी ऑर्डर आँकड़े। हालाँकि आयोजकों ने यह नहीं बताया कि ये हवाई अड्डे कौन से थे, कई प्रतिभागियों ने मान लिया कि ये शेरेमेतियोवो, डोमोडेडोवो और वनुकोवो थे। हालाँकि प्रतियोगिता के बाद इस धारणा का खंडन किया गया था, उदाहरण के लिए, मॉस्को मौसम डेटा की विशेषताओं ने सत्यापन और लीडरबोर्ड दोनों पर परिणामों में सुधार किया।

निष्कर्ष

1. एमएल प्रतियोगिताएं अच्छी और दिलचस्प हैं! यहां आपको डेटा विश्लेषण, और चालाक मॉडल और तकनीकों में कौशल का उपयोग मिलेगा, और सामान्य ज्ञान का स्वागत है।
2. एमएल पहले से ही ज्ञान का एक विशाल भंडार है जो तेजी से बढ़ रहा है। मैंने अपने लिए विभिन्न क्षेत्रों (संकेत, चित्र, तालिकाएँ, पाठ) से परिचित होने का लक्ष्य निर्धारित किया और मुझे पहले ही एहसास हो गया कि अध्ययन करने के लिए कितना कुछ है। उदाहरण के लिए, इन प्रतियोगिताओं के बाद मैंने अध्ययन करने का निर्णय लिया: क्लस्टरिंग एल्गोरिदम, ग्रेडिएंट बूस्टिंग लाइब्रेरीज़ (विशेष रूप से, जीपीयू पर कैटबूस्ट के साथ काम करना), कैप्सूल नेटवर्क, क्वेरी-की-वैल्यू ध्यान तंत्र के साथ काम करने की उन्नत तकनीक।
3. अकेले कागल से नहीं! ऐसी कई अन्य प्रतियोगिताएं हैं जहां कम से कम एक टी-शर्ट प्राप्त करना आसान है, और अन्य पुरस्कारों की संभावना अधिक है।
4. बातचीत करना! मशीन लर्निंग और डेटा विश्लेषण के क्षेत्र में पहले से ही एक बड़ा समुदाय है, टेलीग्राम, स्लैक में विषयगत समूह हैं, और Mail.ru, Yandex और अन्य कंपनियों के गंभीर लोग सवालों के जवाब देते हैं और शुरुआती लोगों और इस क्षेत्र में अपना रास्ता जारी रखने वालों की मदद करते हैं। ज्ञान के।
5. मैं हर उस व्यक्ति को यात्रा करने की सलाह देता हूं जो पिछले बिंदु से प्रेरित था डेटाफेस्ट - मॉस्को में एक प्रमुख मुक्त सम्मेलन, जो 10-11 मई को होगा।

स्रोत: www.habr.com