מדוע סטארט-אפ חומרה זקוק להאקתון תוכנה?

בדצמבר האחרון קיימנו האקתון סטארט-אפים משלנו עם שש חברות סקולקובו נוספות. ללא ספונסרים תאגידיים או כל תמיכה חיצונית, אספנו מאתיים משתתפים מ-20 ערים ברוסיה באמצעות מאמצי קהילת המתכנתים. להלן אספר כיצד הצלחנו, באילו מלכודות נתקלנו בדרך, ולמה מיד התחלנו לשתף פעולה עם אחת הקבוצות המנצחות.

ממשק האפליקציה השולטת במודולי סוללת וואט מהמועמדים הסופיים של המסלול, "שיער רטוב"

חברה

חברת Watts Battery שלנו יוצרת תחנות כוח ניידות מודולריות. המוצר הוא תחנת כוח ניידת 46x36x11 ס"מ, המסוגלת לספק בין 1,5 ל-15 קילוואט לשעה. ארבעה מודולים כאלה יכולים לספק את צריכת האנרגיה של בית כפרי קטן למשך יומיים.

למרות שהתחלנו לשלוח דגימות ייצור בשנה שעברה, לכל הדעות Watts Battery היא סטארט-אפ. החברה נוסדה בשנת 2016 ומאותה שנה היא תושבת אשכול טכנולוגיות יעילות אנרגטית של סקולקובו, כיום יש לנו 15 עובדים וצבר עצום של דברים שהיינו רוצים לעשות בשלב כלשהו, ​​אבל כרגע אין זמן לזה.

זה כולל גם משימות תוכנה גרידא. למה?

המשימה העיקרית של המודול היא לספק אספקת אנרגיה מאוזנת ללא הפרעה בעלות אופטימלית. אם אתה חווה הפסקת חשמל מסיבות שאינן בשליטתך, תמיד צריך להיות לך רזרבה על מנת להפעיל את עומס הרשת הנדרש במלואו למשך ההפסקה. וכאשר אספקת החשמל טובה, אתה יכול להשתמש באנרגיה סולארית כדי לחסוך כסף.

האפשרות הפשוטה ביותר היא שתוכלו להטעין את הסוללה מהשמש במהלך היום ולהשתמש בה בערב, אך בדיוק ברמה הדרושה כדי שבמקרה של הפסקת חשמל לא תישארו ללא חשמל. לכן, לעולם לא תמצאו את עצמכם במצב שבו הדלקתם את התאורה מסוללה כל הערב (כי זה יותר זול), אבל בלילה החשמל כבה והמקרר שלכם הפשיר.

ברור שלעיתים רחוקות אדם מסוגל לחזות בדיוק רב את כמות החשמל שהוא צריך, אבל מערכת חמושה במודל חיזוי כן יכולה. לכן, למידת מכונה ככזו היא אחד מתחומי העדיפות שלנו. רק שכרגע אנחנו מתמקדים בפיתוח חומרה ולא יכולים להקצות מספיק משאבים למשימות אלו, וזה מה שהביא אותנו להאקתון הסטארט-אפ.

הכנה, נתונים, תשתית

כתוצאה מכך, לקחנו שני מסלולים: ניתוח נתונים ומערכת ניהול. בנוסף לשלנו, היו עוד שבעה רצועות של עמיתים.

אמנם הפורמט של ההאקתון לא נקבע, אבל חשבנו ליצור "אווירה משלנו", עם מערכת נקודות: המשתתפים עושים כמה דברים שנראים לנו קשים ומעניינים, ומקבלים על כך נקודות. היו לנו הרבה משימות. אבל כשבנינו את מבנה ההאקתון, מארגנים אחרים ביקשו להביא הכל לצורה משותפת, מה שעשינו.

ואז הגענו לתכנית הבאה: החבר'ה עושים מודל על סמך הנתונים שלהם, ואז הם מקבלים את הנתונים שלנו, שהמודל לא ראה קודם, הוא לומד ומתחיל לחזות. ההנחה הייתה שאפשר לעשות את כל זה ב-48 שעות, אבל עבורנו זה היה ההאקתון הראשון על הנתונים שלנו, וייתכן שהערכנו יתר על המידה את משאבי הזמן או את מידת המוכנות של הנתונים. בהאקתוני למידת מכונה מיוחדים, ציר זמן כזה יהיה הנורמה, אבל שלנו לא היה כזה.

פרקנו את התוכנה והחומרה של המודול ככל האפשר, ויצרנו גרסה של המכשיר שלנו במיוחד להאקתון, עם ממשק פנימי פשוט ומובן שכל מפתח יוכל לתמוך בו.

למסלול המבוסס על מערכת הבקרה הייתה אפשרות לעשות אפליקציה לנייד. כדי למנוע מהמשתתפים להתעסק במוחם לגבי איך זה צריך להיראות ולבזבז זמן נוסף, נתנו להם פריסה עיצובית של האפליקציה, קלת משקל במיוחד, כך שמי שרוצה אותה יוכל פשוט "למתוח" את הפונקציות הדרושות אליה. . למען האמת, לא ציפינו כאן לשום דילמות מוסריות, אבל אחד הצוותים לקח את זה בצורה כזו שהגבילנו את תעופתם, רצינו לקבל פתרון מוכן בחינם, ולא לבדוק אותם בפועל. והם המריאו.

צוות אחר בחר לעשות אפליקציה אחרת לגמרי מאפס, והכל הסתדר. לא התעקשנו שהאפליקציה תהיה בדיוק כזו, רק היינו צריכים שהיא תכיל כמה אלמנטים שמדגימים את הרמה הטכנית של הפתרון: גרפים, אנליטיקה וכו'. פריסת העיצוב המוגמרת הייתה גם רמז.

מכיוון שניתוח מודול סוללת וואט חי בהאקתון יהיה זמן רב מדי, נתנו למשתתפים פרוסת נתונים מוכנה למשך חודש שנלקחה מהמודולים האמיתיים של הלקוחות שלנו (שאותם אנונימינו בקפידה מראש). מכיוון שזה היה יוני, לא היה מה לשלב שינויים עונתיים בניתוח. אבל בעתיד נוסיף להם נתונים חיצוניים, כמו מאפיינים עונתיים ואקלימיים (היום זה הסטנדרט בתעשייה).

לא רצינו ליצור ציפיות לא מציאותיות בקרב המשתתפים, אז בהכרזה על ההאקתון אמרנו ישירות: העבודה תהיה הכי קרובה שאפשר לעבודה בשטח: נתונים רועשים ומלוכלכים, שאף אחד לא הכין במיוחד. אבל היה לזה גם צד חיובי: ברוח הזריזות, היינו בקשר מתמיד עם המשתתפים, וערכנו שינויים מיידית במשימה ובתנאי הקבלה (עוד על כך בהמשך).

בנוסף, הענקנו למשתתפים גישה לאמזון AWS (באופן כה פעיל שאמזון חסמה עבורנו אזור אחד, ונבין מה לעשות בנידון). שם תוכלו לפרוס תשתית לאינטרנט של הדברים, ובהתבסס אפילו על תבניות פשוטות של אמזון, ליצור פתרון מלא תוך יום. אבל בסופו של דבר, כל אחד הלך לדרכו, עושה הכל בעצמו עד המקסימום. יחד עם זאת, חלקם הצליחו לעמוד במגבלת הזמן, אחרים לא. צוות אחד, Nubble, השתמש ב-Yandex.cloud, מישהו העלה את זה על האירוח שלו. אפילו היינו מוכנים לתת דומיינים (יש לנו כאלה רשומים), אבל הם לא היו שימושיים.

כדי לקבוע את הזוכים במסלול האנליטי, תכננו להשוות בין התוצאות, עבורן הכנו מדדים מספריים. אבל בסופו של דבר לא היה צורך לעשות זאת, שכן מסיבות שונות שלושה מתוך ארבעת המשתתפים לא הגיעו לגמר.

באשר לתשתית הביתית, ה-Skolkovo Technopark עזר כאן בכך שסיפק לנו (ללא תשלום) את אחד מהחדרים המודולריים הנעימים שלו עם קיר וידאו למצגות וזוג חדרים קטנים יותר לאזור בילוי ולארגון קייטרינג.

Analytics

משימה: מערכת למידה עצמית המזהה חריגות בצריכה ובפעולת המודול על סמך נתוני בקרה. שמרנו בכוונה על הניסוח כללי ככל האפשר כדי שהמשתתפים יוכלו לעבוד איתנו לחשוב מה ניתן לעשות על סמך הנתונים הזמינים.

סגוליות: המסלול המורכב יותר מבין שני המסלולים. לנתונים תעשייתיים יש כמה הבדלים מהנתונים במערכות סגורות (למשל, שיווק דיגיטלי). כאן אתה צריך להבין את האופי הפיזי של הפרמטרים שאתה מנסה לנתח; הסתכלות על הכל כסדרת מספרים מופשטת לא תעבוד. למשל חלוקת צריכת החשמל לאורך היום. זה כמו טקסים: סכין הגילוח החשמלית מופעלת בבוקר בימי חול, והמיקסר מופעל בסופי שבוע. ואז המהות של החריגות עצמן. ואל תשכח שסוללת הוואטס מיועדת לשימוש אישי, כך שלכל לקוח יהיו טקסים משלו, ודגם אוניברסלי אחד לא יעבוד. מציאת חריגות ידועות בנתונים היא אפילו לא משימה; יצירת מערכת המחפשת באופן אוטונומי אחר חריגות ללא תווית היא עניין אחר. אחרי הכל, כל דבר יכול להיות אנומליה, כולל הגורם האנושי הערמומי. לדוגמה, בנתוני הבדיקה שלנו היה מקרה שבו המערכת נאלצה על ידי המשתמש למצב סוללה. ללא כל סיבה, משתמשים עושים זאת לפעמים (אני אסתיר שמשתמש זה בודק עבורנו את המודול ומסיבה זו יש לו גישה לשליטה ידנית במצבים; עבור משתמשים אחרים השליטה היא אוטומטית לחלוטין). כפי שקל לחזות, במצב כזה הסוללה מתרוקנת די אקטיבית, ואם העומס גדול, הטעינה תסתיים לפני שהשמש תזרח או שמקור אנרגיה אחר יופיע. במקרים כאלה, אנו מצפים לראות הודעה כלשהי על כך שהתנהגות המערכת חרגה מהרגיל. או שהאדם עזב ושכח לכבות את התנור. המערכת רואה שבדרך כלל בשעה זו של היום הצריכה היא 500 וואט, אבל היום - 3,5 אלף - אנומליה! כמו דניס מטסוייב במטוס: "אני לא מבין כלום במנועי מטוסים, אבל בדרך לשם המנוע נשמע אחרת".

גרף של מודל חזוי ברשת הנוירונים הפתוח Yandex CatBoost

מה החברה באמת צריכה?: מערכת אבחון עצמי בתוך המכשיר, ניתוח חיזוי, כולל ללא תשתית רשת (כפי שמראה בפועל, לא כל הלקוחות שלנו ממהרים לחבר סוללות לאינטרנט - לרוב, זה מספיק שהכל פשוט יעבוד בצורה אמינה), זיהוי חריגות שעדיין לא ידוע לנו על מהותן, מערכת למידה עצמית ללא מורה, אשכולות, רשתות עצביות וכל ארסנל השיטות האנליטיות המודרניות. אנחנו צריכים להבין שהמערכת התחילה להתנהג אחרת, גם אם אנחנו לא יודעים מה בדיוק השתנה. בהאקתון עצמו, היה לנו מאוד חשוב לראות שיש חבר'ה שמוכנים להיכנס לניתוח תעשייתי או כבר נמצאים בו, והם מחפשים תחומים חדשים ליישם את היכולות שלהם. בהתחלה הופתעתי שיש כל כך הרבה מועמדים: אחרי הכל, מדובר במטבח מאוד ספציפי, אבל בהדרגה נשרו כולם מלבד אחד מארבעת המשתתפים, כך שבמידה מסוימת הכל הסתדר.

למה זה לא אפשרי בשלב זה?: הבעיה העיקרית במשימות כריית נתונים היא לא מספיק נתונים. ישנם כמה עשרות מכשירי וואט סוללה הפועלים כיום ברחבי העולם, אך רבים מהם אינם מחוברים לרשת, כך שהנתונים שלנו עדיין אינם מגוונים במיוחד. בקושי חיברנו שתי חריגות - ואלו התרחשו על אבות טיפוס; סוללת וואט תעשייתית עובדת בצורה די יציבה. אם היה לנו מהנדס למידת מכונה פנימי, והיינו יודעים - כן, אפשר לסחוט את זה מהנתונים האלה, אבל אנחנו רוצים לקבל איכות חיזוי טובה יותר - זה היה סיפור אחד. אבל עד לנקודה הזאת לא עשינו שום דבר עם הנתונים האלה. בנוסף, הדבר ידרוש שקיעה עמוקה של המשתתפים בפרטי הפעולה של המוצר שלנו, יום וחצי לא מספיקים לכך.

איך החלטת?: הם לא קבעו מיד את המשימה הסופית המדויקת. במקום זאת, במשך כל 48 השעות, היינו בדיאלוג עם המשתתפים, וגילינו מיד מה הם הצליחו להשיג ומה לא. על בסיס זה, ברוח הפשרה, המשימה הושלמה סופית.

מה קיבלת כתוצאה מכך?: הזוכים במסלול הצליחו לנקות את הנתונים (במקביל הם מצאו את ה"תכונות" של חישוב כמה פרמטרים שאנחנו בעצמנו לא שמנו לב אליהם קודם לכן, מכיוון שלא השתמשנו בחלק מהנתונים כדי לפתור את הבעיות שלנו) , הדגש סטיות מההתנהגות הצפויה של מודולי סוללת וואטס, והגדר מודל חיזוי המסוגל לחזות את צריכת האנרגיה ברמת דיוק גבוהה. כן, זה רק שלב היתכנות לפיתוח פתרון תעשייתי; אז יהיה צורך בשבועות של עבודה טכנית קפדנית, אבל אפילו אב טיפוס זה, שנוצר ישירות במהלך ההאקתון, יכול להוות בסיס לפתרון תעשייתי אמיתי, וזה נדיר.

מסקנה עיקרית: על סמך הנתונים שבידינו, אפשר להגדיר אנליטיקה חיזוי, הנחנו זאת, אך לא היו לנו משאבים לבדוק. משתתפי ההאקתון בדקו ואישרו את ההשערה שלנו, ואנו נמשיך לעבוד עם הזוכים במסלול על משימה זו.

גרף של מודל חזוי ברשת הנוירונים הפתוח של Facebook Prophet

עצה לעתיד: בעת יצירת משימה, עליך להסתכל לא רק על מפת הדרכים הייצור שלך, אלא גם על האינטרס של המשתתפים. מכיוון שלהאקתון שלנו אין פרסים כספיים, אנחנו משחקים על הסקרנות הטבעית של מדעני נתונים ועל הרצון לפתור בעיות חדשות ומעניינות שבהן אף אחד עדיין לא הראה שום דבר או איפה הם יכולים להראות את עצמם טוב יותר מהתוצאות הקיימות. אם תיקח מיד בחשבון את גורם העניין, לא תצטרך לשנות את המיקוד שלך לאורך הדרך.

Управление

משימה: (אפליקציה) המנהלת רשת של מודולי סוללת וואט, עם חשבון אישי, אחסון נתונים בענן וניטור מצב.

סגוליות: במסלול הזה לא חיפשנו איזה פתרון טכני חדש; יש לנו, כמובן, ממשק צרכני משלנו. בחרנו בו להאקתון כדי להדגים את יכולות המערכת שלנו, לשקוע בה ולבדוק האם הקהילה מתעניינת בנושא פיתוח מערכות חכמות ואנרגיה חלופית. מיצבנו את האפליקציה לנייד כאופציה; אתה יכול לעשות את זה או לא לעשות את זה לפי שיקול דעתך. אבל לדעתנו, זה מראה היטב איך אנשים הצליחו לארגן אחסון נתונים בענן, עם גישה מכמה מקורות שונים בו זמנית.

מה החברה באמת צריכה?: קהילה של מפתחים שיעלו רעיונות עסקיים, יבדקו השערות וייצרו כלי עבודה ליישומם.

למה זה לא אפשרי בשלב זה?: נפח השוק עדיין קטן מדי עבור היווצרות אורגנית של קהילה כזו.

איך החלטת?: כחלק מהאקתון, ערכנו סוג של מחקר פיזיות כדי לראות אם אפשר להמציא לא רק תכונות, אלא מודלים עסקיים מלאים סביב המוצר הספציפי שלנו. יתרה מכך, כדי שאנשים המסוגלים ליישם אב טיפוס יעשו זאת, הרי כאן - אני לא רוצה להעליב אף אחד - זו לא הרמה של תכנות LED מהבהב בארדואינו (למרות שאפשר לעשות את זה עם חידושים) , נדרשות כאן מיומנויות ספציפיות למדי: פיתוח מערכות backend ו-frontend, הבנה של העקרונות של בניית מערכות אינטרנט של הדברים הניתנות להרחבה.

*נאום של הזוכים ברצועה השנייה*

מה קיבלת כתוצאה מכך?: שני צוותים הציעו רעיונות עסקיים מלאים לעבודתם: האחד התמקד יותר בקטע הרוסי, השני בזר. כלומר, בגמר הם לא רק סיפרו איך הם הגיעו לאפליקציה, אלא בעצם באו לעשות עסקים סביב וואטס. החבר'ה תיארו איך הם רואים את השימוש בווטס בכמה מודלים עסקיים, סיפקו סטטיסטיקות, הראו לאילו אזורים יש אילו בעיות, אילו חוקים מאומצים איפה, תיארו את המגמה העולמית: זה לא אופנתי לכרות ביטקוין, זה אופנתי לכרות קילוואט. הם הגיעו בכוונה לאנרגיה חלופית, שמאוד אהבנו. העובדה שהמשתתפים, בנוסף לכך, הצליחו ליצור פתרון טכני עובד מעידה שהם יכולים להשיק סטארטאפ באופן עצמאי.

מסקנה עיקרית: ישנם צוותים שמוכנים לקחת את סוללת וואטס כבסיס למודל העסקי שלהם, לפתח אותו ולהפוך לשותפים/לווים של החברה. חלקם אפילו יודעים לזהות את ה-MVP של רעיון עסקי ולעבוד עליו תחילה, דבר שחסר היום בכל מקום בתעשייה. אנשים לא מבינים מתי להפסיק, מתי לשחרר פתרון לשוק, אמנם מוקדם, אבל עובד. למעשה, שלב ליטוש הפתרון לרוב אינו מסתיים, טכנית הפתרון חוצה את גבול המורכבות הסבירה, הוא נכנס לשוק בעומס יתר, כבר לא ברור מה היה הרעיון המקורי, מהי מיקוד ללקוח, מהם מודלים עסקיים. כלול. כמו בבדיחה על אקונין, שכתב ספר נוסף בזמן שחתם על הקודם למישהו. אבל כאן זה נעשה בצורה הטהורה ביותר שלו: הנה תרשים, הנה מונה, הנה אינדיקטורים, הנה חיזוי - זה הכל, אין צורך בשום דבר אחר כדי להפעיל אותו. עם זה, אתה יכול ללכת למשקיע ולקבל כסף לפתיחת עסק. מי שמצא את האיזון הזה יצאו מהמסלול כמנצחים.

עצה לעתיד: בהאקתון הבא (אנחנו מתכננים את זה במרץ השנה), אולי הגיוני להתנסות בחומרה. יש לנו פיתוח חומרה משלנו (אחד היתרונות של Watts), אנחנו שולטים באופן מלא בייצור ובבדיקה של כל מה שאנחנו עושים, אבל אין לנו מספיק משאבים כדי לבדוק כמה השערות "חומרה". יכול מאוד להיות שבקהילת מתכנתי המערכת ומפתחי החומרה ברמה נמוכה יש מי שיעזור לנו בכך ובעתיד יהפוך לשותף שלנו בתחום.

אנשים

בהאקתון ציפינו מאלה שרוצים להתנסות בתחום חדש (למשל בוגרי בתי ספר שונים לתכנות) ולא מאלה שמתמחים בפיתוח מסוג זה. אבל בכל זאת, ציפינו שלפני ההאקתון הם יעשו עבודת הכנה קטנה, יקראו איך חוזים צריכת אנרגיה באופן כללי ואיך עובדות מערכות האינטרנט של הדברים. כך שכולם מגיעים לא רק בשביל הכיף, מחפשים נתונים ומשימות מעניינים, אלא גם עם התעמקות מקדימה בתחום. אנו מצידנו מבינים כי לשם כך יש צורך לפרסם מראש את הנתונים הזמינים, תיאורם ודרישות מדויקות יותר לתוצאה, לפרסם מודולי API וכו'.

לכולם הייתה בערך אותה רמה טכנולוגית, פלוס מינוס אותן יכולות. על רקע זה, רמת ההרמוניה לא הייתה הגורם האחרון. מספר צוותים לא ירו כי לא יכלו לחלק את עצמם בצורה ברורה לתחומי עבודה. היו גם כאלה שבהם אדם אחד עשה את כל הפיתוח, השאר היו עסוקים בהכנת המצגת, באחרים מישהו קיבל משימות שהוא עשה, כנראה בפעם הראשונה בחייו.

רוב המשתתפים היו צעירים, זה לא אומר שלא היו ביניהם מהנדסי למידת מכונה ומפתחים חזקים. רובם הגיעו בצוותים; כמעט לא היו אנשים. כולם חלמו לזכות, מישהו רצה למצוא עבודה בעתיד, כ-20% כבר מצאו, אני חושב שהנתון הזה יגדל.

לא היו לנו מספיק חנוני חומרה, אבל אנחנו מקווים לפצות על זה בהאקתון השני.

התקדמות ההאקתון

כפי שכתבתי למעלה, היינו עם המשתתפים במשך רוב 48 השעות של ההאקתון ובמעקב אחר הצלחותיהם במחסומים, ניסינו להתאים את המשימה והתנאים לקבלת המסלול הראשון והאנליטי כך שמצד אחד המשתתפים יכלו להשלים אותו בזמן שנותר, ומצד שני, זה עניין אותנו.

הבירור האחרון למשימה נעשה אי שם סביב המחסום האחרון, בשבת אחר הצהריים (הגמר נקבע ליום ראשון בערב). פישטנו הכל קצת יותר: הסרנו את הדרישה לחישוב מחדש של המודל על נתונים חדשים, והשארנו את הנתונים שהצוותים כבר עבדו איתם. השוואת מדדים כבר לא נתנה לנו כלום, כבר היו להם תוצאות מוכנות על סמך הנתונים הזמינים, וביום השני החבר'ה כבר היו עייפים. לכן, החלטנו לענות אותם פחות.

עם זאת, שלושה מתוך ארבעה משתתפים לא הגיעו לגמר. צוות אחד הבין כבר בהתחלה שהם מתעניינים יותר במסלול של הקולגות שלנו, השני, רגע לפני הגמר, הבין שבמהלך תהליך העיבוד הם סיננו מבעוד מועד את הנתונים הדרושים וסירבו להציג את עבודתם.

צוות "21 (אפקט שיער רטוב)" השתתף בשני המסלולים שלנו עד הסוף. הם רצו לכסות הכל בבת אחת: למידת מכונה, פיתוח, אפליקציה ואתר. עד שאייםנו עליהם בנסיגה ברגע האחרון, הם האמינו שהם עושים הכל בזמן, למרות שכבר במחסום השני היה ברור שעם העיקר - למידת מכונה - הם לא יכולים להתקדם משמעותית: הם בדרך כלל התמודדו עם הבלוק השני, אבל לא יכול היה לחזות את צריכת החשמל לא היו מוכנים. כתוצאה מכך, כשקבענו את המשימה המינימלית להעפלה לראשון, הם עדיין בחרו במסלול השני.

ל-Fit-predict היה הרכב מאוזן המותאם לניתוח נתונים, כך שהם הצליחו להתגבר על הכל. ניתן היה להבחין שהחבר'ה היו מעוניינים "לגעת" בנתונים תעשייתיים אמיתיים. מיד התרכזו בדבר העיקרי: ניתוח, ניקוי הנתונים, התמודדות עם כל חריגה. העובדה שהם הצליחו לבנות מודל עבודה במהלך ההאקתון היא הישג גדול. בפועל, זה לוקח בדרך כלל שבועות: בזמן ניקוי הנתונים, בזמן שהם מתעמקים בהם. לכן, אנחנו בהחלט נעבוד איתם.

במסלול השני (ניהול) ציפינו שכולם יעשו הכל בחצי יום ויבואו לבקש להקשות על המשימה. בפועל, בקושי הספקנו להשלים את המשימה הבסיסית. עבדנו על JS ו-Python, מה שמשקף את המצב הנוכחי של התעשייה.

גם כאן הושגו התוצאות על ידי צוותים מתואמים בהם נבנתה חלוקת העבודה, היה ברור מי עושה מה.

לצוות השלישי, FSociety, נראה היה פתרון, אבל בסופו של דבר הם החליטו לא להראות את הפיתוח שלהם, הם אמרו שהם לא רואים שזה עובד. אנחנו מכבדים את זה ולא התווכחנו.

המנצחת הייתה קבוצת "החשפניות מבאקו", שהצליחה לעצור את עצמה, לא לרדוף אחרי "חפצי נוי", אלא ליצור MVP שלא מתבייש להראות ושברור שאפשר לפתח ולהרחיב אותו. מיד אמרנו להם שאנחנו לא מעוניינים יותר מדי בהזדמנויות נוספות. אם הם רוצים רישום באמצעות קוד QR, זיהוי פנים, תן להם תחילה ליצור גרפים באפליקציה, ולאחר מכן לקחת על עצמם את האופציונליים.

במסלול זה, "שיער רטוב" נכנס בביטחון לגמר, ודנו איתם ועם "ההוסטלים" על שיתוף פעולה נוסף. את האחרון כבר פגשנו בשנה החדשה.

אני מקווה שהכל יסתדר, ואנחנו מצפים לראות את כולם בהאקתון השני במרץ!

מקור: www.habr.com