Ég heiti Sasha og ég elska vélanám auk þess að kenna fólki. Nú hef ég umsjón með námi í tölvunarfræðisetrinu og stýri BS námi í gagnagreiningu við St. Petersburg State University. Þar áður starfaði hann sem sérfræðingur hjá Yandex, og jafnvel fyrr sem vísindamaður: hann tók þátt í stærðfræðilegri líkanagerð við tölvunarfræðistofnun SB RAS.
Í þessari færslu vil ég segja þér hvað kom út af hugmyndinni um að hefja vélnámsþjálfun fyrir nemendur, útskriftarnema frá Novosibirsk State University og alla aðra.
Mig hefur lengi langað að skipuleggja sérstakt námskeið um undirbúning fyrir gagnagreiningarkeppnir á Kaggle og öðrum kerfum. Þetta þótti frábær hugmynd:
- Nemendur og allir áhugasamir munu beita fræðilegri þekkingu í reynd og öðlast reynslu í að leysa vandamál í opinberum keppnum.
- Nemendur sem skipa efsta sæti í slíkum keppnum hafa góð áhrif á aðdráttarafl NSU fyrir umsækjendur, nemendur og útskriftarnema. Það sama gerist með íþróttaforritunarþjálfun.
- Þetta sérstaka námskeið bætir fullkomlega við og eykur grundvallarþekkingu: þátttakendur innleiða sjálfstætt vélanámslíkön og mynda oft teymi sem keppa á heimsvísu.
- Aðrir háskólar höfðu þegar stundað slíka þjálfun, svo ég vonaðist eftir árangri af sérnáminu við NSU.
Ræstu
Akademgorodok í Novosibirsk hefur mjög frjóan jarðveg fyrir slíka viðleitni: nemendur, útskriftarnema og kennara tölvunarfræðimiðstöðvarinnar og sterkar tæknideildir, til dæmis, FIT, MMF, FF, öflugur stuðningur við NSU-stjórnina, virkt ODS-samfélag, reyndir verkfræðingar og sérfræðingar frá ýmsum upplýsingatæknifyrirtækjum. Um svipað leyti lærðum við um styrkjaáætlunina frá — sjóðurinn styrkir lið sem sýna góðan árangur í íþróttakeppnum ML.
Við fundum áhorfendur á NSU fyrir vikulega fundi, bjuggum til spjall á Telegram og settum af stað 1. október ásamt nemendum og útskriftarnema úr CS miðstöðinni. 19 manns mættu í fyrstu kennslustund. Sex þeirra urðu fastir þátttakendur í þjálfun. Alls kom 31 á fundinn að minnsta kosti einu sinni á skólaárinu.
Fyrstu niðurstöður
Við strákarnir hittumst, skiptumst á reynslu, ræddum keppnir og gróft plan fyrir framtíðina. Nokkuð fljótt áttuðum við okkur á því að barátta um sæti í gagnagreiningarkeppnum er regluleg, erfið vinna, svipað og ólaunað fullt starf, en mjög áhugavert og spennandi 🙂 Einn þátttakenda, Kaggle-meistari Maxim, ráðlagði okkur að fara fyrst áfram í keppnum einstaklingsbundið. , og aðeins nokkrum vikum síðar sameinast í lið, að teknu tilliti til almennra stiga. Það er það sem við gerðum! Við þjálfun augliti til auglitis ræddum við líkön, vísindagreinar og ranghala Python bókasöfn og leystum vandamál saman.
Úrslit haustönnar voru þrenn silfurverðlaun í tveimur keppnum á Kaggle: и . Og eitt þriðja sæti í CFT-keppninni fyrir leiðréttingu á innsláttarvillum með fyrstu peningunum sem vannst (í peningunum, eins og reyndir keglers segja).
Önnur mjög mikilvæg óbein niðurstaða sérnámsins var ræsing og uppsetning NSU VKI klasans. Tölvunarkrafturinn hefur bætt samkeppnislíf okkar verulega: 40 örgjörvar, 755Gb vinnsluminni, 8 NVIDIA Tesla V100 GPU.
Fyrir það lifðum við af eins og við gátum: við reiknuðum á persónulegum fartölvum og borðtölvum, í Google Colab og í Kaggle-kjarna. Eitt lið var meira að segja með sjálfskrifað handrit sem vistaði líkanið sjálfkrafa og endurræsti útreikninginn sem hafði stöðvast vegna tímatakmarka.
Á vorönn héldum við áfram að safnast saman, skiptast á árangursríkum niðurstöðum og ræddum um lausnir okkar á keppninni. Nýir áhugasamir þátttakendur fóru að koma til okkar. Á vorönn tókst okkur að taka eitt gull, þrjú silfur og níu brons í átta keppnum á Kaggle: , , , , , og aðrir, brons í , þriðja sæti í Changellenge>>bikarnum og fyrsta sæti (aftur í peningum) í vélanámskeppninni kl. frá Yandex.
Það sem þátttakendur í þjálfun segja
„Ég er mjög ánægður með að slík starfsemi sé stunduð hér í Síberíu, því ég tel að þátttaka í keppnum sé fljótlegasta leiðin til að ná tökum á ML. Fyrir slíkar keppnir er vélbúnaðurinn frekar dýr að kaupa sjálfur, en hér er hægt að prófa hugmyndir ókeypis.“
„Fyrir tilkomu ML-þjálfunar tók ég ekki sérstaklega þátt í keppnum að undanskildum æfingum og hindúakeppnum: Ég sá ekki tilganginn í þessu þar sem ég var með vinnu á ML-sviðinu og kunni vel við það. Fyrstu önnina sótti ég sem nemandi. Og frá og með annarri önn, um leið og tölvuauðlindir urðu tiltækar, hugsaði ég, hvers vegna ekki að taka þátt. Og það kom mér í fýlu. Verkefnið, gögnin og mæligildin voru fundin upp og undirbúin fyrir þig, farðu á undan og notaðu allan kraft MO, athugaðu nýjustu módel og tækni. Ef það væri ekki fyrir þjálfunina og, ekki síður, tölvuauðlindirnar, þá hefði ég ekki byrjað að taka þátt fljótlega.“
„Málþjálfun í eigin persónu hjálpaði mér að finna fólk með sama hugarfar, sem ég gat dýpkað þekkingu mína með á sviði vélanáms og gagnagreiningar. Þetta er líka frábær kostur fyrir þá sem hafa ekki mikinn frítíma til að greina sjálfstætt og sökkva sér niður í efni keppninnar, en vilja samt vera í efninu.“
Gakktu til liðs við okkur
Keppnir á Kaggle og öðrum kerfum bæta hagnýta færni og breytast fljótt í áhugavert starf á sviði gagnavísinda. Fólk sem hefur tekið þátt í erfiðri keppni saman verður oft samstarfsfólk og heldur áfram að leysa vinnutengd vandamál með farsælum hætti. Þetta gerðist líka fyrir okkur: Mikhail Karchevsky, ásamt vini úr hópnum, fór að vinna fyrir sama fyrirtæki á meðmælakerfi.
Með tímanum ætlum við að auka þessa starfsemi með vísindaritum og þátttöku í vélanámsráðstefnum. Vertu með okkur sem þátttakendur eða sérfræðingar í Novosibirsk - skrifaðu eða . Skipuleggðu svipaða þjálfun í borgum þínum og háskólum.
Hér er lítið svindlblað til að hjálpa þér að taka fyrstu skrefin þín:
- Íhugaðu hentugan stað og tíma fyrir venjulega kennslu. Best - 1-2 sinnum í viku.
- Skrifaðu mögulega áhugasama þátttakendur um fyrsta fundinn. Í fyrsta lagi eru þetta nemendur tækniháskóla, ODS þátttakendur.
- Byrjaðu spjall til að ræða málefni líðandi stundar: Telegram, VK, WhatsApp eða einhver annar boðberi sem hentar flestum.
- Halda almennt aðgengilegri kennsluáætlun, lista yfir keppnir og þátttakendur og fylgjast með árangrinum.
- Finndu ókeypis tölvuorku eða styrki fyrir hana í nærliggjandi háskólum, rannsóknastofnunum eða fyrirtækjum.
- HAGNAÐUR!
Heimild: www.habr.com