របៀបដែលខ្ញុំរៀបចំការបណ្តុះបណ្តាលម៉ាស៊ីនរៀននៅ NSU

ខ្ញុំឈ្មោះសាសា ហើយខ្ញុំចូលចិត្តរៀនម៉ាស៊ីន ក៏ដូចជាបង្រៀនមនុស្សផងដែរ។ ឥឡូវនេះខ្ញុំគ្រប់គ្រងកម្មវិធីអប់រំនៅមជ្ឈមណ្ឌលវិទ្យាសាស្ត្រកុំព្យូទ័រ និងដឹកនាំកម្មវិធីបរិញ្ញាបត្រក្នុងការវិភាគទិន្នន័យនៅសាកលវិទ្យាល័យ St. Petersburg State។ មុននោះ គាត់បានធ្វើការជាអ្នកវិភាគនៅ Yandex ហើយថែមទាំងជាអ្នកវិទ្យាសាស្ត្រមុននេះទៀត៖ គាត់បានចូលរួមក្នុងការបង្កើតគំរូគណិតវិទ្យានៅវិទ្យាស្ថានវិទ្យាសាស្ត្រកុំព្យូទ័រនៃ SB RAS ។

នៅក្នុងការប្រកាសនេះខ្ញុំចង់ប្រាប់អ្នកពីអ្វីដែលបានមកពីគំនិតនៃការចាប់ផ្តើមការបណ្តុះបណ្តាលម៉ាស៊ីនសម្រាប់សិស្សនិស្សិតបញ្ចប់ការសិក្សានៃសាកលវិទ្យាល័យ Novosibirsk State និងមនុស្សគ្រប់រូបផ្សេងទៀត។

ខ្ញុំចង់រៀបចំវគ្គសិក្សាពិសេសមួយសម្រាប់ការរៀបចំសម្រាប់ការប្រកួតប្រជែងការវិភាគទិន្នន័យនៅលើ Kaggle និងវេទិកាផ្សេងទៀត។ វាហាក់ដូចជាគំនិតដ៏អស្ចារ្យមួយ៖

• សិស្សានុសិស្ស និងអ្នកដែលចាប់អារម្មណ៍នឹងយកចំណេះដឹងទ្រឹស្តីទៅអនុវត្ត និងទទួលបានបទពិសោធន៍ក្នុងការដោះស្រាយបញ្ហាក្នុងការប្រកួតប្រជែងសាធារណៈ។
• សិស្សដែលឈរនៅកំពូលក្នុងការប្រកួតប្រជែងបែបនេះមានឥទ្ធិពលល្អទៅលើភាពទាក់ទាញរបស់ NSU សម្រាប់បេក្ខជន និស្សិត និងនិស្សិតបញ្ចប់ការសិក្សា។ រឿងដដែលនេះកើតឡើងជាមួយនឹងការហ្វឹកហាត់កម្មវិធីកីឡា។
• វគ្គសិក្សាពិសេសនេះបំពេញបន្ថែម និងពង្រីកចំណេះដឹងជាមូលដ្ឋានយ៉ាងល្អឥតខ្ចោះ៖ អ្នកចូលរួមអនុវត្តគំរូរៀនម៉ាស៊ីនដោយឯករាជ្យ ហើយជារឿយៗបង្កើតក្រុមដែលប្រកួតប្រជែងនៅកម្រិតពិភពលោក។
• សាកលវិទ្យាល័យផ្សេងទៀតបានធ្វើការបណ្តុះបណ្តាលបែបនេះរួចហើយ ដូច្នេះខ្ញុំសង្ឃឹមថានឹងទទួលបានជោគជ័យនៃវគ្គសិក្សាពិសេសនៅ NSU ។

បើកដំណើរការ

Akademgorodok នៃ Novosibirsk មានដីមានជីជាតិសម្រាប់កិច្ចខិតខំប្រឹងប្រែងបែបនេះ៖ សិស្សនិស្សិត និស្សិតបញ្ចប់ការសិក្សា និងគ្រូបង្រៀននៃមជ្ឈមណ្ឌលវិទ្យាសាស្ត្រកុំព្យូទ័រ និងមហាវិទ្យាល័យបច្ចេកទេសដ៏រឹងមាំ ឧទាហរណ៍ FIT, MMF, FF, ការគាំទ្រយ៉ាងខ្លាំងនៃការគ្រប់គ្រង NSU សហគមន៍ ODS សកម្ម វិស្វករដែលមានបទពិសោធន៍។ និងអ្នកវិភាគមកពីក្រុមហ៊ុន IT ផ្សេងៗ។ ក្នុងពេលជាមួយគ្នានេះ យើងបានរៀនអំពីកម្មវិធីជំនួយពី ការវិនិយោគ Botan - មូលនិធិគាំទ្រក្រុមដែលបង្ហាញលទ្ធផលល្អក្នុងការប្រកួតកីឡា ML ។

យើងបានរកឃើញទស្សនិកជននៅ NSU សម្រាប់ការប្រជុំប្រចាំសប្តាហ៍ បានបង្កើតការជជែកនៅលើ Telegram និងបានចាប់ផ្តើមនៅថ្ងៃទី 1 ខែតុលា រួមជាមួយសិស្ស និងនិស្សិតបញ្ចប់ការសិក្សានៃមជ្ឈមណ្ឌល CS ។ មនុស្ស 19 នាក់បានមកមេរៀនដំបូង។ ប្រាំមួយនាក់ក្នុងចំណោមពួកគេបានក្លាយជាអ្នកចូលរួមជាទៀងទាត់ក្នុងការបណ្តុះបណ្តាល។ សរុបមក មនុស្ស ៣១ នាក់បានមកប្រជុំយ៉ាងហោចណាស់ម្តងក្នុងកំឡុងឆ្នាំសិក្សា។

លទ្ធផលដំបូង

បុរស និងខ្ញុំបានជួបគ្នា ផ្លាស់ប្តូរបទពិសោធន៍ ពិភាក្សាអំពីការប្រកួតប្រជែង និងផែនការដ៏លំបាកសម្រាប់អនាគត។ យើងបានដឹងយ៉ាងឆាប់រហ័សថាការប្រយុទ្ធដណ្តើមយកកន្លែងនៅក្នុងការប្រកួតប្រជែងការវិភាគទិន្នន័យគឺជាការងារទៀងទាត់ ដ៏លំបាក ស្រដៀងនឹងការងារពេញម៉ោងដែលមិនមានប្រាក់ខែ ប៉ុន្តែគួរឱ្យចាប់អារម្មណ៍ និងរំភើបខ្លាំងណាស់ 🙂 អ្នកចូលរួមម្នាក់គឺ Kaggle-master Maxim បានណែនាំយើងឱ្យឈានទៅមុខក្នុងការប្រកួតប្រជែងជាលក្ខណៈបុគ្គលជាមុនសិន។ ហើយត្រឹមតែពីរបីសប្តាហ៍ក្រោយមករួបរួមគ្នាជាក្រុម ដោយគិតគូរពីពិន្ទុសាធារណៈ។ នោះហើយជាអ្វីដែលយើងបានធ្វើ! ក្នុងអំឡុងពេលហ្វឹកហាត់ទល់មុខគ្នា យើងបានពិភាក្សាអំពីគំរូ អត្ថបទវិទ្យាសាស្ត្រ និងភាពស្មុគស្មាញនៃបណ្ណាល័យ Python និងដោះស្រាយបញ្ហាជាមួយគ្នា។

លទ្ធផល​នៃ​ការ​ប្រកួត​រដូវ​ស្លឹក​ឈើ​ជ្រុះ​គឺ​បាន​មេដាយ​ប្រាក់​ចំនួន​បី​ក្នុង​ការ​ប្រកួត​ចំនួន​ពីរ​លើ Kaggle៖ ការកំណត់អត្តសញ្ញាណអំបិល TGS и ចំណាត់ថ្នាក់តារាសាស្ត្រ PLAsTiCC. និងកន្លែងទីបីនៅក្នុងការប្រកួតប្រជែង CFT សម្រាប់ការកែតម្រូវការវាយអក្សរជាមួយនឹងប្រាក់ដំបូងបានឈ្នះ (ជាប្រាក់ដូចដែល keglers មានបទពិសោធន៍និយាយ) ។

លទ្ធផលប្រយោលដ៏សំខាន់មួយទៀតនៃវគ្គសិក្សាពិសេសគឺការចាប់ផ្តើម និងការកំណត់រចនាសម្ព័ន្ធនៃក្រុម NSU VKI ។ ថាមពលកុំព្យូទ័ររបស់វាបានធ្វើឱ្យជីវិតប្រកួតប្រជែងរបស់យើងប្រសើរឡើងយ៉ាងខ្លាំង៖ ស៊ីភីយូ 40, RAM 755Gb, 8 NVIDIA Tesla V100 GPUs ។

មុននោះ យើងបានរស់រានមានជីវិតតាមដែលអាចធ្វើទៅបាន៖ យើងបានគណនានៅលើកុំព្យូទ័រយួរដៃ និងកុំព្យូទ័រផ្ទាល់ខ្លួន នៅក្នុង Google Colab និងនៅក្នុង Kaggle-kernels ។ ក្រុមមួយថែមទាំងមានស្គ្រីបដែលសរសេរដោយខ្លួនឯងដែលរក្សាទុកគំរូដោយស្វ័យប្រវត្តិ ហើយចាប់ផ្តើមការគណនាឡើងវិញដែលបានបញ្ឈប់ដោយសារពេលវេលាកំណត់។

នៅក្នុងឆមាសនិទាឃរដូវ យើងបានបន្តប្រមូលផ្តុំ ផ្លាស់ប្តូរការរកឃើញជោគជ័យ និងនិយាយអំពីដំណោះស្រាយរបស់យើងចំពោះការប្រកួតប្រជែង។ អ្នកចូលរួមចាប់អារម្មណ៍ថ្មីបានចាប់ផ្តើមមករកយើង។ ក្នុងអំឡុងឆមាសនិទាឃរដូវ ពួកយើងអាចដណ្ដើមបានមេដាយមាសមួយ ប្រាក់បី និងសំរឹទ្ធប្រាំបួន នៅក្នុងការប្រកួតចំនួនប្រាំបីនៅលើ Kaggle៖ PetFinder, Santander, ដំណោះស្រាយយេនឌ័រ, ការកំណត់អត្តសញ្ញាណត្រីបាឡែន, Quora, កន្លែងសម្គាល់ Google និងអ្នកផ្សេងទៀតសំរិទ្ធ ការប្រកួតប្រជែង Reccoចំណាត់ថ្នាក់ទីបីក្នុង Changellenge>> Cup និងកន្លែងដំបូង (ម្តងទៀតនៅក្នុងប្រាក់) ក្នុងការប្រកួតរៀនម៉ាស៊ីននៅ ជើងឯកកម្មវិធី ពី Yandex ។

អ្វីដែលអ្នកបណ្តុះបណ្តាលនិយាយ

Mikhail Karevsky
“ខ្ញុំរីករាយណាស់ដែលសកម្មភាពបែបនេះត្រូវបានអនុវត្តនៅទីនេះនៅស៊ីបេរី ពីព្រោះខ្ញុំជឿថាការចូលរួមក្នុងការប្រកួតប្រជែងគឺជាវិធីលឿនបំផុតដើម្បីធ្វើជាម្ចាស់ ML ។ សម្រាប់ការប្រកួតប្រជែងបែបនេះ Hardware មានតម្លៃថ្លៃណាស់ក្នុងការទិញដោយខ្លួនឯង ប៉ុន្តែនៅទីនេះអ្នកអាចសាកល្បងគំនិតដោយមិនគិតថ្លៃ។

លោក Kirill Brodt
“មុនពេលការមកដល់នៃវគ្គបណ្តុះបណ្តាល ML ខ្ញុំមិនបានចូលរួមក្នុងការប្រកួតជាពិសេសទេ លើកលែងតែការបណ្តុះបណ្តាល និងការប្រកួតហិណ្ឌូ៖ ខ្ញុំមិនបានឃើញចំណុចនេះទេ ព្រោះខ្ញុំមានការងារនៅក្នុងវិស័យ ML ហើយខ្ញុំធ្លាប់ស្គាល់វា។ ឆមាសទីមួយដែលខ្ញុំបានចូលរៀនជាសិស្ស។ ហើយចាប់ផ្តើមពីឆមាសទីពីរ ដរាបណាធនធានកុំព្យូទ័រមាន ខ្ញុំគិតថា ហេតុអ្វីមិនចូលរួម។ ហើយវាធ្វើឱ្យខ្ញុំជាប់។ ភារកិច្ច ទិន្នន័យ និងម៉ែត្រត្រូវបានបង្កើត និងរៀបចំសម្រាប់អ្នក សូមបន្តប្រើប្រាស់ថាមពលពេញលេញនៃ MO ពិនិត្យមើលគំរូ និងបច្ចេកទេសទំនើប។ ប្រសិនបើវាមិនមែនសម្រាប់ការបណ្តុះបណ្តាលទេ ហើយសំខាន់ផងដែរ ធនធានកុំព្យូទ័រ ខ្ញុំនឹងមិនចាប់ផ្តើមចូលរួមក្នុងពេលឆាប់ៗនេះទេ”។

Andrey Shevelev
“ការបណ្តុះបណ្តាល ML ដោយផ្ទាល់បានជួយខ្ញុំស្វែងរកមនុស្សដែលមានគំនិតដូចគ្នា ដែលខ្ញុំអាចបង្កើនចំណេះដឹងរបស់ខ្ញុំឱ្យកាន់តែស៊ីជម្រៅនៅក្នុងវិស័យនៃការរៀនម៉ាស៊ីន និងការវិភាគទិន្នន័យ។ នេះក៏ជាជម្រើសដ៏ល្អសម្រាប់អ្នកដែលមិនមានពេលទំនេរច្រើនក្នុងការវិភាគដោយឯករាជ្យ និងជ្រមុជខ្លួននៅក្នុងប្រធានបទនៃការប្រកួតប្រជែង ប៉ុន្តែនៅតែចង់ចូលរួមក្នុងប្រធានបទនេះ»។

ចូលរួម​ជាមួយ​យើង

ការប្រកួតប្រជែងនៅលើ Kaggle និងវេទិកាផ្សេងទៀតបង្កើតជំនាញជាក់ស្តែង ហើយបំប្លែងទៅជាការងារគួរឱ្យចាប់អារម្មណ៍ក្នុងវិស័យវិទ្យាសាស្ត្រទិន្នន័យយ៉ាងឆាប់រហ័ស។ មនុស្សដែលបានចូលរួមក្នុងការប្រកួតប្រជែងដ៏លំបាកជាមួយគ្នាតែងតែក្លាយជាមិត្តរួមការងារ ហើយបន្តដោះស្រាយបញ្ហាដែលទាក់ទងនឹងការងារដោយជោគជ័យ។ រឿងនេះបានកើតឡើងចំពោះយើងផងដែរ៖ Mikhail Karchevsky រួមជាមួយមិត្តម្នាក់ពីក្រុមបានទៅធ្វើការឱ្យក្រុមហ៊ុនដូចគ្នានៅលើប្រព័ន្ធណែនាំមួយ។

យូរៗទៅ យើងមានគម្រោងពង្រីកសកម្មភាពនេះ ជាមួយនឹងការបោះពុម្ពផ្សាយបែបវិទ្យាសាស្ត្រ និងការចូលរួមនៅក្នុងសន្និសីទការរៀនម៉ាស៊ីន។ ចូលរួមជាមួយយើងក្នុងនាមជាអ្នកចូលរួមឬអ្នកជំនាញនៅ Novosibirsk - សរសេរ ចំពោះខ្ញុំ។ ឬ គីរីល។. រៀបចំការបណ្តុះបណ្តាលស្រដៀងគ្នានៅក្នុងទីក្រុង និងសាកលវិទ្យាល័យរបស់អ្នក។

នេះ​ជា​សន្លឹក​បន្លំ​បន្តិច​ដើម្បី​ជួយ​អ្នក​ក្នុង​ការ​បោះ​ជំហាន​ដំបូង​របស់​អ្នក៖

1. ពិចារណាកន្លែង និងពេលវេលាដ៏ងាយស្រួលសម្រាប់ថ្នាក់ធម្មតា។ ល្អបំផុត - 1-2 ដងក្នុងមួយសប្តាហ៍។
2. សរសេរទៅកាន់អ្នកចូលរួមដែលមានចំណាប់អារម្មណ៍អំពីការប្រជុំលើកដំបូង។ ជាដំបូង ទាំងនេះគឺជានិស្សិតនៃសាកលវិទ្យាល័យបច្ចេកទេស អ្នកចូលរួម ODS ។
3. ចាប់ផ្តើមការជជែកដើម្បីពិភាក្សាអំពីកិច្ចការបច្ចុប្បន្ន៖ Telegram, VK, WhatsApp ឬអ្នកនាំសារផ្សេងទៀតដែលងាយស្រួលសម្រាប់ភាគច្រើន។
4. រក្សាផែនការមេរៀនដែលអាចចូលប្រើបានជាសាធារណៈ បញ្ជីនៃការប្រកួតប្រជែង និងអ្នកចូលរួម និងតាមដានលទ្ធផល។
5. ស្វែងរកថាមពលកុំព្យូទ័រដោយឥតគិតថ្លៃ ឬជំនួយសម្រាប់វានៅក្នុងសាកលវិទ្យាល័យ វិទ្យាស្ថានស្រាវជ្រាវ ឬក្រុមហ៊ុនដែលនៅជិតនោះ។
6. ពត៌មានផ្ទាល់ខ្លួន!

ប្រភព៖ www.habr.com