איך ארגנתי אימון למידת מכונה ב-NSU

שמי סשה ואני אוהב למידת מכונה וגם ללמד אנשים. כעת אני מנחה תוכניות חינוכיות במרכז למדעי המחשב ומנחה את התכנית לתואר ראשון בניתוח נתונים באוניברסיטת סנט פטרסבורג סטייט. לפני כן, הוא עבד כאנליטיקאי ב-Yandex, ועוד קודם לכן כמדען: הוא עסק במודלים מתמטיים במכון למדעי המחשב של SB RAS.

בפוסט הזה אני רוצה לספר לכם מה יצא מהרעיון של השקת הכשרה למידת מכונה לסטודנטים, בוגרי אוניברסיטת נובוסיבירסק וכל השאר.

כבר מזמן רציתי לארגן קורס מיוחד על הכנה לתחרויות ניתוח נתונים ב-Kaggle ובפלטפורמות אחרות. זה נראה כמו רעיון מעולה:

• סטודנטים וכל המעוניינים יישמו ידע תיאורטי הלכה למעשה וירכשו ניסיון בפתרון בעיות בתחרויות ציבוריות.
• לסטודנטים הממוקמים בראש בתחרויות כאלה יש השפעה טובה על האטרקטיביות של NSU עבור מועמדים, סטודנטים ובוגרים. אותו דבר קורה עם אימוני תכנות ספורט.
• קורס מיוחד זה משלים ומרחיב בצורה מושלמת את הידע הבסיסי: המשתתפים מיישמים באופן עצמאי מודלים של למידת מכונה ולעתים קרובות יוצרים צוותים שמתחרים ברמה הגלובלית.
• אוניברסיטאות אחרות כבר ערכו הכשרה כזו, אז קיוויתי להצלחת הקורס המיוחד ב-NSU.

הפעלה

ל-Akademgorodok של נובוסיבירסק יש קרקע פורייה מאוד למאמצים כאלה: סטודנטים, בוגרים ומורים של המרכז למדעי המחשב ופקולטות טכניות חזקות, למשל, FIT, MMF, FF, תמיכה חזקה במינהל NSU, קהילת ODS פעילה, מהנדסים מנוסים. ואנליסטים מחברות IT שונות. בערך באותו זמן, למדנו על תוכנית המענקים מ Botan Investments - הקרן תומכת בקבוצות שמציגות תוצאות טובות בתחרויות ספורט ML.

מצאנו קהל ב-NSU לפגישות שבועיות, יצרנו צ'אט בטלגרם, והשקנו ב-1 באוקטובר יחד עם סטודנטים ובוגרי מרכז CS. לשיעור הראשון הגיעו 19 אנשים. שישה מהם הפכו למשתתפים קבועים בהדרכה. בסך הכל הגיעו למפגש לפחות פעם אחת במהלך שנת הלימודים 31 איש.

תוצאות ראשונות

אני והחבר'ה נפגשנו, החלפנו חוויות, דנו בתחרויות ותוכנית גסה לעתיד. די מהר הבנו שהמאבק על מקומות בתחרויות ניתוח נתונים היא עבודה קבועה, מפרכת, בדומה לעבודה מלאה ללא שכר, אבל מאוד מעניינת ומרגשת 🙂 אחד המשתתפים, Kaggle-Master Maxim, המליץ ​​לנו קודם כל להתקדם בתחרויות באופן אישי , ורק כמה שבועות לאחר מכן מתאחדים לצוותים, תוך התחשבות בציון הציבורי. זה מה שעשינו! במהלך אימון פנים אל פנים, דנו במודלים, מאמרים מדעיים ומורכבויות של ספריות Python, ופתרנו יחד בעיות.

התוצאות של סמסטר הסתיו היו שלוש מדליות כסף בשתי תחרויות על Kaggle: זיהוי מלח TGS и סיווג אסטרונומי PLAsTiCC. ומקום שלישי בתחרות CFT לתיקון שגיאות הקלדה עם הכסף הראשון שזכה (בכסף, כפי שאומרים קגלרים מנוסים).

עוד תוצאה עקיפה חשובה מאוד של הקורס המיוחד הייתה ההשקה והקונפיגורציה של אשכול NSU VKI. כוח המחשוב שלו שיפר משמעותית את חיינו התחרותיים: 40 מעבדים, 755Gb RAM, 8 גרפי NVIDIA Tesla V100.

לפני כן שרדנו כמיטב יכולתנו: חישבנו על מחשבים ניידים ומחשבים נייחים אישיים, בגוגל קולאב וב-Kaggle-kernels. לצוות אחד אפילו היה תסריט שנכתב בעצמו ששמר אוטומטית את המודל והפעיל מחדש את החישוב שהופסק עקב מגבלת זמן.

בסמסטר אביב המשכנו להתאסף, להחליף ממצאים מוצלחים ולדבר על הפתרונות שלנו לתחרות. משתתפים חדשים שהתעניינו החלו להגיע אלינו. במהלך סמסטר האביב, הצלחנו לקחת אחד זהב, שלוש כסף ותשע ארד בשמונה תחרויות על Kaggle: PetFinder, סנטנדר, רזולוציה מגדרית, זיהוי לווייתן, Quora, ציוני דרך של גוגל ואחרים, ברונזה פנימה אתגר רקו, מקום שלישי ב-Changellenge>>גביע ומקום ראשון (שוב בכסף) בתחרות למידת מכונה ב- אליפות תכנות מ- Yandex.

מה אומרים משתתפי ההדרכה

מיכאיל קרצ'בסקי
"אני מאוד שמח שפעילויות כאלה מבוצעות כאן בסיביר, כי אני מאמין שהשתתפות בתחרויות היא הדרך המהירה ביותר לשלוט ב-ML. עבור תחרויות כאלה, החומרה די יקרה לקנות בעצמך, אבל כאן אתה יכול לנסות רעיונות בחינם".

קיריל ברודט
"לפני כניסת אימוני ה-ML לא השתתפתי במיוחד בתחרויות למעט אימונים ותחרויות הינדיות: לא ראיתי את הטעם בכך, שכן הייתה לי עבודה בתחום ה-ML והכרתי אותה. בסמסטר הראשון למדתי כסטודנט. והחל מהסמסטר השני, ברגע שנעשו משאבי מחשוב זמינים, חשבתי, למה לא להשתתף. וזה ריגש אותי. המשימה, הנתונים והמדדים הומצאו והוכנו עבורכם, קדימה והשתמשו במלוא העוצמה של MO, בדקו את המודלים והטכניקות החדישים ביותר. אם לא ההדרכה ולא פחות חשוב משאבי המחשוב, לא הייתי מתחיל להשתתף בקרוב".

אנדריי שבלב
"אימון ML אישי עזר לי למצוא אנשים בעלי דעות דומות, שאיתם הצלחתי להעמיק את הידע שלי בתחום למידת מכונה וניתוח נתונים. זו גם אופציה מצוינת למי שאין לו הרבה זמן פנוי לנתח ולהתעמק באופן עצמאי בנושא התחרויות, אבל עדיין רוצה להיות בנושא”.

הצטרפו אלינו

תחרויות ב- Kaggle ובפלטפורמות אחרות משכללות מיומנויות מעשיות והופכות במהירות לעבודה מעניינת בתחום מדעי הנתונים. אנשים שלקחו חלק בתחרות קשה ביחד הופכים לרוב לעמיתים וממשיכים לפתור בהצלחה בעיות הקשורות לעבודה. גם לנו זה קרה: מיכאיל קרצ'בסקי, יחד עם חבר מהצוות, יצא לעבוד באותה חברה על פי מערכת המלצות.

עם הזמן, אנו מתכננים להרחיב את הפעילות הזו עם פרסומים מדעיים והשתתפות בכנסי למידת מכונה. הצטרפו אלינו כמשתתפים או מומחים בנובוסיבירסק - כתבו לי או קיריל. ארגן הכשרה דומות בערים ובאוניברסיטאות שלך.

להלן דף רמאות קטן שיעזור לך לעשות את הצעדים הראשונים שלך:

1. שקול מקום וזמן נוחים לשיעורים רגילים. באופן אופטימלי - 1-2 פעמים בשבוע.
2. כתוב למשתתפים בעלי פוטנציאל עניין על הפגישה הראשונה. קודם כל, מדובר בסטודנטים של אוניברסיטאות טכניות, משתתפי ODS.
3. התחל צ'אט כדי לדון באקטואליה: טלגרם, VK, WhatsApp או כל שליח אחר שנוח לרוב.
4. שמור על מערך שיעורים נגיש לציבור, רשימת תחרויות ומשתתפים ומעקב אחר התוצאות.
5. מצא כוח מחשוב בחינם או מענקים עבורו באוניברסיטאות, מכוני מחקר או חברות סמוכות.
6. רווח!

מקור: www.habr.com