ვაგრძელებთ მანქანური სწავლების კონკურსების თემას Habré-ზე, გვსურს გავაცნოთ მკითხველს კიდევ ორი ​​პლატფორმა. ისინი, რა თქმა უნდა, არ არიან ისეთი უზარმაზარი, როგორც კაგლი, მაგრამ ისინი ნამდვილად იმსახურებენ ყურადღებას.

პირადად მე ძალიან არ მიყვარს კაგლი რამდენიმე მიზეზის გამო:

• ჯერ ერთი, იქ შეჯიბრებები ხშირად რამდენიმე თვე გრძელდება და აქტიური მონაწილეობა დიდ ძალისხმევას მოითხოვს;
• მეორეც, საჯარო ბირთვები (საჯარო გადაწყვეტილებები). კაგლის მიმდევრები გვირჩევენ, მოექცნენ მათ ტიბეტელი ბერების სიმშვიდით, მაგრამ სინამდვილეში სირცხვილია, როცა ის, რაზეც ერთი-ორი თვე მუშაობდი, მოულოდნელად აღმოჩნდება, რომ ყველასთვის ვერცხლის ლანგარზეა დადებული.

საბედნიეროდ, მანქანათმცოდნეობის კონკურსები იმართება სხვა პლატფორმებზე და განიხილება რამდენიმე ასეთი კონკურსი.

IDAO	SNA ჰაკათონი 2019
ოფიციალური ენა: ინგლისური, ორგანიზატორები: Yandex, Sberbank, HSE	ოფიციალური რუსული ენა, ორგანიზატორები: Mail.ru Group
ონლაინ ტური: 15 იანვარი — 11 წლის 2019 თებერვალი; ადგილზე ფინალი: 4 წლის 6-2019 აპრილი	ონლაინ - 7 თებერვლიდან 15 მარტამდე; ოფლაინ - 30 მარტიდან 1 აპრილამდე.
დიდი ადრონული კოლაიდერის ნაწილაკების შესახებ გარკვეული მონაცემების გამოყენებით (ტრაექტორია, იმპულსი და სხვა საკმაოდ რთული ფიზიკური პარამეტრები), დაადგინეთ არის თუ არა ის მიონი. ამ განცხადებიდან გამოიკვეთა 2 ამოცანა: - ერთში თქვენ უბრალოდ უნდა გამოგზავნოთ თქვენი პროგნოზი, - და მეორეში - პროგნოზირების სრული კოდი და მოდელი, და შესრულება ექვემდებარებოდა საკმაოდ მკაცრ შეზღუდვებს მუშაობის დროსა და მეხსიერების გამოყენებაზე.	SNA Hackathon-ის კონკურსისთვის შეგროვდა 2018 წლის თებერვალ-მარტის მომხმარებელთა ახალი ამბების არხებში ღია ჯგუფების შინაარსის ჩვენების ჟურნალები. ტესტის ნაკრები შეიცავს მარტის ბოლო კვირა-ნახევარს. ჟურნალის ყოველი ჩანაწერი შეიცავს ინფორმაციას იმის შესახებ, თუ რა იყო ნაჩვენები და ვის მიმართ, ასევე, როგორ რეაგირებდა მომხმარებელი ამ კონტენტზე: შეაფასა, კომენტარი გააკეთა, იგნორირება გაუკეთა ან გადამალა არხიდან. SNA Hackathon-ის ამოცანების არსი არის სოციალური ქსელის Odnoklassniki-ის თითოეული მომხმარებლის რანჟირება, რაც შეიძლება მაღლა აწიოს ის პოსტები, რომლებიც მიიღებენ "კლასს". ონლაინ ეტაპზე დავალება დაყოფილი იყო 3 ნაწილად: 1. თანამდებობების რანჟირება სხვადასხვა ერთობლივი მახასიათებლების მიხედვით 2. შეაფასეთ პოსტები მათში შემავალი სურათების მიხედვით 3. პოსტების რანჟირება მათში შემავალი ტექსტის მიხედვით
რთული მორგებული მეტრიკა, რაღაც ROC-AUC	საშუალო ROC-AUC მომხმარებლის მიერ
პირველი ეტაპის პრიზები - მაისურები N ადგილისთვის, გადასასვლელი მეორე ეტაპზე, სადაც კონკურსის დროს გადახდილი იყო საცხოვრებელი და კვება. მეორე ეტაპი - ??? (გარკვეული მიზეზების გამო არ ვიყავი დაჯილდოების ცერემონიაზე და ვერ გავარკვიე, რა იყო საბოლოოდ პრიზები). გამარჯვებული გუნდის ყველა წევრს ლეპტოპებს დაჰპირდნენ	პირველი ეტაპის პრიზები - მაისურები 100 საუკეთესო მონაწილისთვის, გადასასვლელი მეორე ეტაპზე, სადაც გადახდილი იყო მოსკოვში გამგზავრება, კონკურსის დროს განთავსება და კვება. ასევე, პირველი ეტაპის ბოლოს გამოცხადდა პრიზები საუკეთესოსთვის 3 ამოცანაში 1 ეტაპზე: ყველამ მოიგო RTX 2080 TI ვიდეო ბარათი! მეორე ეტაპი იყო გუნდური ეტაპი, გუნდები შედგებოდა 2-დან 5 კაცით, პრიზები: 1 ადგილი - 300 რუბლი 2 ადგილი - 200 რუბლი 3 ადგილი - 100 რუბლი ჟიურის პრიზი - 100 რუბლი
ოფიციალური ტელეგრამის ჯგუფი, ~190 მონაწილე, კომუნიკაცია ინგლისურ ენაზე, კითხვებზე პასუხის მოლოდინი რამდენიმე დღე იყო	ოფიციალური ჯგუფი ტელეგრამაში, ~1500 მონაწილე, ამოცანების აქტიური განხილვა მონაწილეებსა და ორგანიზატორებს შორის
ორგანიზატორებმა შემოგვთავაზეს ორი ძირითადი გადაწყვეტა, მარტივი და მოწინავე. Simple მოითხოვდა 16 გბ-ზე ნაკლებ RAM-ს, ხოლო გაფართოებული მეხსიერება არ ჯდებოდა 16-ში. ამავდროულად, ცოტა წინ რომ იყურებოდა, მონაწილეებმა ვერ შეძლეს მნიშვნელოვნად აჯობონ მოწინავე გადაწყვეტას. ამ გადაწყვეტილებების გაშვებაში სირთულეები არ ყოფილა. უნდა აღინიშნოს, რომ მოწინავე მაგალითში იყო კომენტარი მინიშნებით, თუ სად უნდა დაიწყოს გადაწყვეტის გაუმჯობესება.	თითოეული ამოცანისთვის მოწოდებული იყო ძირითადი პრიმიტიული გადაწყვეტილებები, რომლებიც მონაწილეებმა მარტივად გადალახეს. კონკურსის პირველ დღეებში მონაწილეებს შეექმნათ რამდენიმე სირთულე: ჯერ ერთი, მონაცემები იყო მოცემული Apache Parquet ფორმატში და Python-ისა და პარკეტის პაკეტის ყველა კომბინაცია არ მუშაობდა უშეცდომოდ. მეორე სირთულე იყო სურათების ჩამოტვირთვა ფოსტის ღრუბელიდან; ამ დროისთვის არ არსებობს მარტივი გზა დიდი რაოდენობით მონაცემების ერთდროულად ჩამოტვირთვისთვის. შედეგად, ამ პრობლემებმა მონაწილეები რამდენიმე დღით გადაიდო.

IDAO. პირველი ეტაპი

ამოცანა იყო მიონ/არამიონური ნაწილაკების კლასიფიკაცია მათი მახასიათებლების მიხედვით. ამ ამოცანის მთავარი მახასიათებელი იყო ვარჯიშის მონაცემებში წონის სვეტის არსებობა, რაც თავად ორგანიზატორებმა განმარტეს, როგორც ამ ხაზის პასუხის ნდობა. პრობლემა ის იყო, რომ რამდენიმე სტრიქონი შეიცავდა უარყოფით წონას.

მას შემდეგ, რაც რამდენიმე წუთი ვიფიქრეთ ხაზზე მინიშნებით (მინიშნებმა უბრალოდ მიიპყრო ყურადღება წონის სვეტის ამ მახასიათებელზე) და ამ დიაგრამის აგების შემდეგ, გადავწყვიტეთ გადაგვემოწმებინა 3 ვარიანტი:

1) ხაზების სამიზნის შებრუნება უარყოფითი წონებით (და შესაბამისად წონა)
2) გადაიტანეთ წონები მინიმალურ მნიშვნელობაზე ისე, რომ ისინი იწყებოდეს 0-დან
3) არ გამოიყენოთ სიმებიანი წონა

მესამე ვარიანტი ყველაზე ცუდი გამოდგა, მაგრამ პირველმა ორმა გააუმჯობესა შედეგი, საუკეთესო იყო 1-ლი ვარიანტი, რამაც მაშინვე მიგვიყვანა ამჟამინდელ მეორე ადგილზე პირველ ამოცანაში და პირველზე მეორეში.

ჩვენი შემდეგი ნაბიჯი იყო დაკარგული მნიშვნელობების მონაცემების გადახედვა. ორგანიზატორებმა მოგვაწოდეს უკვე კომბინირებული მონაცემები, სადაც საკმაოდ ბევრი მნიშვნელობა აკლდა და ისინი შეიცვალა -9999-ით.

ჩვენ ვიპოვეთ გამოტოვებული მნიშვნელობები MatchedHit_{X,Y,Z}[N] და MatchedHit_D{X,Y,Z}[N] სვეტებში და მხოლოდ მაშინ, როდესაც N=2 ან 3. როგორც გვესმის, ზოგიერთი ნაწილაკი არ გაიარეთ ოთხივე დეტექტორი და გაჩერდით მე-4 ან მე-3 ფირფიტაზე. მონაცემები ასევე შეიცავდა Lextra_{X,Y}[N] სვეტებს, რომლებიც, როგორც ჩანს, აღწერს იგივეს, რაც MatchedHit_{X,Y,Z}[N], მაგრამ იყენებს რაიმე სახის ექსტრაპოლაციას. ეს მწირი გამოცნობები ვარაუდობს, რომ Lextra_{X,Y}[N] შეიძლება შეიცვალოს გამოტოვებული მნიშვნელობებით MatchedHit_{X,Y,Z}[N]-ში (მხოლოდ X და Y კოორდინატებისთვის). MatchedHit_Z[N] კარგად იყო შევსებული მედიანით. ამ მანიპულაციებმა მოგვცა საშუალება ორივე დავალების 4-ლი შუალედური ადგილის მიღწევა.

იმის გათვალისწინებით, რომ მათ არაფერი გასცეს პირველი ეტაპის გამარჯვებისთვის, შეგვეძლო აქ გავჩერებულიყავით, მაგრამ გავაგრძელეთ, დავხატეთ ლამაზი ნახატები და გამოვიჩინეთ ახალი ფუნქციები.

მაგალითად, ჩვენ აღმოვაჩინეთ, რომ თუ გამოვსახავთ ნაწილაკების გადაკვეთის წერტილებს ოთხივე დეტექტორის ფირფიტაზე, დავინახავთ, რომ თითოეული ფირფიტის წერტილები დაჯგუფებულია 5 მართკუთხედად, ასპექტის თანაფარდობით 4-დან 5-მდე და ცენტრით წერტილი (0,0), ხოლო პირველ ოთხკუთხედში წერტილები არ არის.

ფირფიტის ნომერი / მართკუთხედის ზომები	1	2	3	4	5
ფირფიტა 1	500h625	1000h1250	2000h2500	4000h5000	8000h10000
ფირფიტა 2	520h650	1040h1300	2080h2600	4160h5200	8320h10400
ფირფიტა 3	560h700	1120h1400	2240h2800	4480h5600	8960h11200
ფირფიტა 4	600h750	1200h1500	2400h3000	4800h6000	9600h12000

ამ ზომების დადგენის შემდეგ, ჩვენ დავამატეთ 4 ახალი კატეგორიული მახასიათებელი თითოეული ნაწილაკისთვის - მართკუთხედის რაოდენობა, რომელშიც ის კვეთს თითოეულ ფირფიტას.

ჩვენ ასევე შევამჩნიეთ, რომ ნაწილაკები თითქოს ცენტრიდან გვერდებზე იფანტებოდნენ და გაჩნდა იდეა, როგორმე შეგვეფასებინა ამ გაფანტვის „ხარისხი“. იდეალურ შემთხვევაში, ალბათ შესაძლებელი იქნებოდა რაიმე სახის „იდეალური“ პარაბოლის გამომუშავება აფრენის წერტილიდან გამომდინარე და მისგან გადახრის შეფასება, მაგრამ ჩვენ შემოვიფარგლებით „იდეალური“ სწორი ხაზით. თითოეული შესვლის წერტილისთვის ასეთი იდეალური სწორი ხაზების აგებით, ჩვენ შევძელით გამოვთვალოთ თითოეული ნაწილაკების ტრაექტორიის სტანდარტული გადახრა ამ სწორი ხაზიდან. ვინაიდან საშუალო გადახრა სამიზნე = 1 იყო 152, ხოლო სამიზნე = 0 იყო 390, ჩვენ წინასწარ შევაფასეთ ეს მახასიათებელი, როგორც კარგი. და მართლაც, ეს ფუნქცია მაშინვე მოხვდა ყველაზე სასარგებლოთა შორის.

ჩვენ აღფრთოვანებული ვიყავით და დავამატეთ ოთხივე გადაკვეთის წერტილის გადახრა თითოეული ნაწილაკისთვის იდეალური სწორი ხაზიდან, როგორც დამატებითი 4 მახასიათებელი (და ისინი ასევე კარგად მუშაობდნენ).

კონკურსის თემაზე სამეცნიერო სტატიების ბმულებმა, რომლებიც მოგვცეს ორგანიზატორებმა, გაგვიჩინა იდეა, რომ ჩვენ შორს ვართ პირველისგან, ვინც ამ პრობლემას გადაჭრის და, შესაძლოა, არსებობს რაიმე სპეციალიზებული პროგრამული უზრუნველყოფა. github-ზე საცავი აღმოვაჩინეთ, სადაც მეთოდები IsMuonSimple, IsMuon, IsMuonLoose იყო დანერგილი, ჩვენ ისინი გადავიტანეთ ჩვენს საიტზე მცირე ცვლილებებით. თავად მეთოდები ძალიან მარტივი იყო: მაგალითად, თუ ენერგია გარკვეულ ზღურბლზე ნაკლებია, მაშინ ის არ არის მიონი, წინააღმდეგ შემთხვევაში ის არის მიონი. ასეთი მარტივი ფუნქციები აშკარად ვერ გაზრდის გრადიენტული გამაძლიერებლის გამოყენების შემთხვევაში, ამიტომ ზღურბლს კიდევ ერთი მნიშვნელოვანი „დისტანცია“ დავამატეთ. ეს მახასიათებლები ასევე ოდნავ გაუმჯობესდა. შესაძლოა, არსებული მეთოდების უფრო საფუძვლიანად გაანალიზებით, უფრო ძლიერი მეთოდების პოვნა და ნიშნების დამატება მოხერხდა.

კონკურსის დასასრულს, ჩვენ ოდნავ შევასწორეთ მეორე პრობლემის „სწრაფი“ გადაწყვეტა; საბოლოო ჯამში, იგი განსხვავდებოდა საბაზისოდან შემდეგ პუნქტებში:

1. უარყოფითი წონის მწკრივებში სამიზნე შებრუნებული იყო
2. შეავსო გამოტოვებული მნიშვნელობები MatchedHit_{X,Y,Z}[N]
3. შემცირდა სიღრმე 7-მდე
4. შემცირდა სწავლის მაჩვენებელი 0.1-მდე (იყო 0.19)

შედეგად, ჩვენ ვცადეთ მეტი ფუნქცია (არც ისე წარმატებით), შევარჩიეთ პარამეტრები და ვივარჯიშეთ catboost, lightgbm და xgboost, ვცადეთ პროგნოზების სხვადასხვა შერწყმა და კერძოს გახსნამდე დამაჯერებლად გავიმარჯვეთ მეორე დავალებაზე და პირველში ვიყავით მათ შორის. ლიდერები.

პრივატის გახსნის შემდეგ პირველ დავალებაზე მე-10 ადგილზე ვიყავით და მეორეზე მე-1. ყველა ლიდერი ერთმანეთში აირია და პირადში სიჩქარე უფრო მაღალი იყო, ვიდრე ლიბბორდზე. როგორც ჩანს, მონაცემები ცუდად იყო სტრატიფიცირებული (ან, მაგალითად, პრივატში არ იყო უარყოფითი წონით მწკრივები) და ეს იყო ცოტა იმედგაცრუებული.

SNA Hackathon 2019 - ტექსტები. პირველი ეტაპი

ამოცანა იყო ოდნოკლასნიკის სოციალურ ქსელში მომხმარებლის პოსტების რანჟირება მათში შემავალი ტექსტის მიხედვით; ტექსტის გარდა, იყო პოსტის კიდევ რამდენიმე მახასიათებელი (ენა, მფლობელი, შექმნის თარიღი და დრო, ნახვის თარიღი და დრო. ).

როგორც ტექსტთან მუშაობის კლასიკური მიდგომები, მე გამოვყოფდი ორ ვარიანტს:

1. თითოეული სიტყვის დახატვა n-განზომილებიან ვექტორულ სივრცეში ისე, რომ მსგავს სიტყვებს ჰქონდეთ მსგავსი ვექტორები (დაწვრილებით ჩვენი სტატია), შემდეგ ან ტექსტის საშუალო სიტყვის პოვნა, ან მექანიზმების გამოყენებით, რომლებიც ითვალისწინებენ სიტყვების ფარდობით პოზიციას (CNN, LSTM/GRU).
2. მოდელების გამოყენება, რომლებსაც შეუძლიათ დაუყოვნებლივ იმუშაონ მთელ წინადადებებთან. მაგალითად, ბერტი. თეორიულად, ეს მიდგომა უკეთესად უნდა მუშაობდეს.

ვინაიდან ეს იყო ჩემი პირველი გამოცდილება ტექსტებთან დაკავშირებით, არასწორი იქნება ვინმეს ვასწავლო, ამიტომ მე თვითონ ვასწავლი. ეს არის რჩევები, რომლებსაც ჩემს თავს მივცემდი კონკურსის დასაწყისში:

1. სანამ რამეს ასწავლი, შეხედე მონაცემებს! თავად ტექსტის გარდა, მონაცემებს რამდენიმე სვეტი ჰქონდა და მათგან ბევრად მეტის ამოღება შესაძლებელი იყო, ვიდრე მე. უმარტივესი რამ არის ზოგიერთი სვეტის სამიზნე კოდირების გაკეთება.
2. ნუ ისწავლით ყველა მონაცემს! იყო ბევრი მონაცემი (დაახლოებით 17 მილიონი მწკრივი) და აბსოლუტურად არ იყო აუცილებელი ყველა მათგანის გამოყენება ჰიპოთეზების შესამოწმებლად. ტრენინგი და წინასწარი დამუშავება საკმაოდ ნელი იყო და აშკარად მექნებოდა დრო უფრო საინტერესო ჰიპოთეზების შესამოწმებლად.
3. <საკამათო რჩევა> არ არის საჭირო მკვლელი მოდელის ძებნა. დიდი დრო გავატარე ელმოსა და ბერტის გარკვევაში, იმ იმედით, რომ ისინი მაშინვე მიმიყვანენ მაღალ ადგილზე და შედეგად გამოვიყენე FastText წინასწარ მომზადებული ჩაშენებები რუსული ენისთვის. ელმოსთან უკეთეს სიჩქარეს ვერ მივაღწიე და ბერტთან გარკვევის დრო მაინც არ მქონდა.
4. <საკამათო რჩევა> არ არის საჭირო ერთი მკვლელის მახასიათებლის ძებნა. მონაცემების დათვალიერებისას შევამჩნიე, რომ ტექსტების დაახლოებით 1 პროცენტი რეალურად არ შეიცავს ტექსტს! მაგრამ იყო ლინკები ზოგიერთ რესურსზე და დავწერე მარტივი პარსერი, რომელმაც გახსნა საიტი და ამოიღო სათაური და აღწერა. კარგი იდეა მეჩვენა, მაგრამ მერე გავიტაცე და გადავწყვიტე ყველა ტექსტის ყველა ბმული გამეანალიზებინა და ისევ ბევრი დრო დავკარგე. ამ ყველაფერმა საბოლოო შედეგში მნიშვნელოვანი გაუმჯობესება არ მოიტანა (თუმცა, მაგალითად, მე მივხვდი სტიმინგი).
5. კლასიკური მახასიათებლები მუშაობს. ჩვენ გუგლში, მაგალითად, „ტექსტის მახასიათებლები კაგლი“ ვკითხულობთ და ვამატებთ ყველაფერს. TF-IDF გაუმჯობესდა, ისევე როგორც სტატისტიკური მახასიათებლები, როგორიცაა ტექსტის სიგრძე, სიტყვები და პუნქტუაციის რაოდენობა.
6. თუ არსებობს DateTime სვეტები, ღირს მათი გარჩევა რამდენიმე ცალკეულ ფუნქციად (საათები, კვირის დღეები და ა.შ.). რომელი მახასიათებლები უნდა იყოს ხაზგასმული, უნდა გაანალიზდეს გრაფიკების/ზოგიერთი მეტრიკის გამოყენებით. აქ, ახირებულად, ყველაფერი სწორად გავაკეთე და გამოვყავი საჭირო თვისებები, მაგრამ ნორმალური ანალიზი არ დააზარალებს (მაგალითად, როგორც ფინალში გავაკეთეთ).

კონკურსის შედეგად ვავარჯიშე ერთი კერას მოდელი სიტყვების კონვოლუციით, მეორე კი LSTM და GRU-ზე დაფუძნებული. ორივე მათგანმა გამოიყენა წინასწარ მომზადებული FastText ჩაშენებები რუსული ენისთვის (მე ვცადე რამდენიმე სხვა ჩაშენება, მაგრამ ეს იყო ის, ვინც საუკეთესოდ მუშაობდა). პროგნოზების საშუალო გაანგარიშების შემდეგ 7 მონაწილედან საბოლოო მე-76 ადგილი დავიკავე.

პირველი ეტაპის შემდეგ გამოქვეყნდა ნიკოლაი ანოხინის სტატია, რომელმაც მეორე ადგილი დაიკავა (მან მონაწილეობა მიიღო კონკურსის გარეშე) და მისმა გადაწყვეტამ რაღაც ეტაპამდე გაიმეორა ჩემი, მაგრამ ის უფრო შორს წავიდა შეკითხვის გასაღები-მნიშვნელობის ყურადღების მექანიზმის გამო.

მეორე ეტაპი OK & IDAO

შეჯიბრების მეორე ეტაპები თითქმის ზედიზედ ჩატარდა, ამიტომ გადავწყვიტე ერთად მენახა.

ჯერ მე და ახლად შეძენილი გუნდი მივიღეთ Mail.ru კომპანიის შთამბეჭდავ ოფისში, სადაც ჩვენი ამოცანა იყო პირველი ეტაპის სამი ტრეკის მოდელის - ტექსტის, სურათებისა და კოლაბის გაერთიანება. ამისთვის 2 დღეზე ცოტა მეტი დაეთმო, რაც ძალიან ცოტა აღმოჩნდა. ფაქტობრივად, ჩვენ შევძელით მხოლოდ ჩვენი შედეგების გამეორება პირველი ეტაპიდან, შერწყმის შედეგად რაიმე მოგების მიღების გარეშე. საბოლოოდ მე-5 ადგილი დავიკავეთ, მაგრამ ტექსტის მოდელი ვერ გამოვიყენეთ. სხვა მონაწილეთა გადაწყვეტილებების დათვალიერების შემდეგ, როგორც ჩანს, ღირდა ტექსტების დაჯგუფება და მათი თანამშრომლობის მოდელში დამატება. ამ ეტაპის გვერდითი ეფექტი იყო ახალი შთაბეჭდილებები, შეხვედრები და კომუნიკაცია მაგარ მონაწილეებთან და ორგანიზატორებთან, ასევე ძილის მწვავე ნაკლებობამ, რამაც შესაძლოა გავლენა იქონია IDAO-ს ფინალური ეტაპის შედეგზე.

IDAO 2019-ის ფინალურ ეტაპზე ამოცანა იყო Yandex-ის ტაქსის მძღოლების შეკვეთის ლოდინის დროის პროგნოზირება აეროპორტში. მე-2 ეტაპზე გამოვლინდა 3 ამოცანა = 3 აეროპორტი. თითოეული აეროპორტისთვის მოცემულია წუთ-წუთი მონაცემები ექვსი თვის განმავლობაში ტაქსის შეკვეთების რაოდენობის შესახებ. და როგორც სატესტო მონაცემები, მოცემულია შემდეგი თვე და წუთი-წუთი მონაცემები ბოლო 2 კვირის შეკვეთებზე. დრო ცოტა იყო (1,5 დღე), დავალება საკმაოდ კონკრეტული იყო, შეჯიბრზე გუნდიდან მხოლოდ ერთი მოვიდა - და შედეგად, დასასრულისკენ სევდიანი ადგილი იყო. საინტერესო იდეები მოიცავდა გარე მონაცემების გამოყენების მცდელობებს: ამინდი, საცობები და Yandex ტაქსის შეკვეთების სტატისტიკა. მიუხედავად იმისა, რომ ორგანიზატორებმა არ თქვეს რა იყო ეს აეროპორტები, ბევრმა მონაწილემ ჩათვალა, რომ ეს იყო შერემეტევო, დომოდედოვო და ვნუკოვო. მიუხედავად იმისა, რომ ეს ვარაუდი უარყვეს კონკურსის შემდეგ, მახასიათებლებმა, მაგალითად, მოსკოვის ამინდის მონაცემებმა გააუმჯობესა შედეგები როგორც დადასტურებაზე, ასევე ლიდერბორდზე.

დასკვნა

1. ML კონკურსები მაგარი და საინტერესოა! აქ ნახავთ უნარების გამოყენებას მონაცემთა ანალიზში, მზაკვრულ მოდელებსა და ტექნიკაში, და უბრალოდ საღი აზრი მისასალმებელია.
2. ML უკვე არის ცოდნის უზარმაზარი ნაწილი, რომელიც, როგორც ჩანს, ექსპონენტურად იზრდება. ჩემს თავს მიზნად დავისახე, გამეცნობა სხვადასხვა სფეროები (სიგნალები, ნახატები, ცხრილები, ტექსტი) და უკვე მივხვდი, რამდენად ბევრია შესასწავლი. მაგალითად, ამ კონკურსების შემდეგ გადავწყვიტე შემესწავლა: კლასტერული ალგორითმები, გრადიენტის გამაძლიერებელ ბიბლიოთეკებთან მუშაობის მოწინავე ტექნიკა (კერძოდ, CatBoost-თან მუშაობა GPU-ზე), კაფსულური ქსელები, შეკითხვის გასაღები-მნიშვნელობის ყურადღების მექანიზმი.
3. მარტო კაკლით არა! არის ბევრი სხვა შეჯიბრი, სადაც უფრო ადვილია მინიმუმ მაისურის შოვნა და მეტი შანსია სხვა პრიზებისთვის.
4. დაუკავშირდით! უკვე არის დიდი საზოგადოება მანქანათმცოდნეობის და მონაცემთა ანალიზის სფეროში, არის თემატური ჯგუფები telegram-ში, slack-ში და სერიოზული ადამიანები Mail.ru-დან, Yandex-დან და სხვა კომპანიებიდან პასუხობენ კითხვებს და ეხმარებიან დამწყებთათვის და მათ, ვინც აგრძელებს გზას ამ სფეროში. ცოდნის.
5. ყველას, ვინც წინა პუნქტით იყო შთაგონებული, ვურჩევ ეწვიოთ მონაცემთა ფესტივალი — მთავარი უფასო კონფერენცია მოსკოვში, რომელიც 10-11 მაისს გაიმართება.

წყარო: www.habr.com