PersonÄ«gi man pÄrÄk nepatÄ«k kaggle vairÄku iemeslu dÄļ:
pirmkÄrt, sacensÄ«bas tur bieži ilgst vairÄkus mÄneÅ”us, un aktÄ«va piedalÄ«Å”anÄs prasa daudz pūļu;
otrkÄrt, publiskie kodoli (publiskie risinÄjumi). Kaggle piekritÄji iesaka pret viÅiem izturÄties ar Tibetas mÅ«ku mierÄ«gumu, taÄu patiesÄ«bÄ ir ļoti žÄl, ja kaut kas, pie kÄ tu esi strÄdÄjis mÄnesi vai divus, pÄkÅ”Åi izrÄdÄs, ka visiem ir nolikts uz sudraba Ŕķīvja.
Par laimi, maŔīnmÄcÄ«bas sacensÄ«bas notiek citÄs platformÄs, un dažas no Ŕīm sacensÄ«bÄm tiks apspriestas.
OficiÄlÄ krievu valoda,
organizatori: Mail.ru grupa
TieÅ”saistes kÄrta: 15. gada 11. janvÄrisā2019. februÄris;
FinÄls uz vietas: 4. gada 6.ā2019. aprÄ«lÄ«
tieÅ”saistÄ - no 7. februÄra lÄ«dz 15. martam;
bezsaistÄ ā no 30. marta lÄ«dz 1. aprÄ«lim.
Izmantojot noteiktu datu kopu par daļiÅu lielajÄ hadronu paÄtrinÄtÄjÄ (trajektoriju, impulsu un citus diezgan sarežģītus fiziskos parametrus), nosakiet, vai tas ir mÅ«ons vai nÄ.
No Ŕī paziÅojuma tika noteikti 2 uzdevumi:
ā vienÄ jums vienkÄrÅ”i bija jÄnosÅ«ta sava prognoze,
- un otrÄ - pilns prognozÄÅ”anas kods un modelis, un izpilde tika pakļauta diezgan stingriem darbÄ«bas laika un atmiÅas izmantoÅ”anas ierobežojumiem
SNA Hackathon konkursam tika apkopoti satura attÄlojuma žurnÄli no atvÄrtajÄm grupÄm lietotÄju ziÅu plÅ«smÄs par 2018. gada februÄri-martu. Testu komplektÄ ir marta pÄdÄjÄ pusotra nedÄļa. Katrs ieraksts žurnÄlÄ satur informÄciju par to, kas tika rÄdÄ«ts un kam, kÄ arÄ« par to, kÄ lietotÄjs reaÄ£Äja uz Å”o saturu: novÄrtÄja to, komentÄja, ignorÄja vai paslÄpa to no plÅ«smas.
SNA Hackathon uzdevumu bÅ«tÄ«ba ir ranžÄt katru sociÄlÄ tÄ«kla Odnoklassniki lietotÄju viÅa plÅ«smu, paaugstinot pÄc iespÄjas augstÄk tos ierakstus, kas saÅems āklasiā.
TieÅ”saistes posmÄ uzdevums tika sadalÄ«ts 3 daļÄs:
1. sarindojiet amatus pÄc dažÄdÄm sadarbÄ«bas pazÄ«mÄm
2. ierindojiet ziÅas, pamatojoties uz tajos esoÅ”ajiem attÄliem
3. sarindojiet amatus atbilstoŔi tajos esoŔajam tekstam
PirmÄ posma balvas - T-krekli par N vietÄm, pÄreja uz otro posmu, kur sacensÄ«bu laikÄ tika apmaksÄta naktsmÄ«tne un ÄdinÄÅ”ana
OtrÄ fÄze - ??? (Noteiktu iemeslu dÄļ es nebiju klÄt apbalvoÅ”anas ceremonijÄ un nevarÄju noskaidrot, kas beigÄs bija balvas). ViÅi solÄ«ja klÄpjdatorus visiem uzvarÄtÄju komandas dalÄ«bniekiem
PirmÄ posma balvas - T-krekli 100 labÄkajiem dalÄ«bniekiem, pÄreja uz otro posmu, kur tika apmaksÄts brauciens uz Maskavu, naktsmÄ«tne un ÄdinÄÅ”ana sacensÄ«bu laikÄ. TÄpat, tuvojoties pirmÄ posma beigÄm, tika paziÅotas balvas 3. posma labÄkajiem 1 uzdevumos: katrs ieguva RTX 2080 TI videokarti!
Otrais posms bija komandu posms, komandas sastÄvÄja no 2 lÄ«dz 5 cilvÄkiem, balvas:
1. vieta - 300 000 rubļu
2. vieta - 200 000 rubļu
3. vieta - 100 000 rubļu
žūrijas balva - 100 000 rubļu
OficiÄlÄ telegrammu grupa, ~190 dalÄ«bnieki, saziÅa angļu valodÄ, uz jautÄjumiem bija jÄgaida vairÄkas dienas uz atbildi
OficiÄlÄ grupa telegrammÄ, ~1500 dalÄ«bnieki, aktÄ«va uzdevumu apsprieÅ”ana starp dalÄ«bniekiem un organizatoriem
Organizatori piedÄvÄja divus pamata risinÄjumus ā vienkÄrÅ”us un progresÄ«vus. VienkÄrÅ”ajai atmiÅai bija nepiecieÅ”ams mazÄk nekÄ 16 GB RAM, un uzlabotÄ atmiÅa neietilpa 16. TajÄ paÅ”Ä laikÄ, nedaudz skatoties uz priekÅ”u, dalÄ«bnieki nespÄja ievÄrojami pÄrspÄt progresÄ«vo risinÄjumu. Å o risinÄjumu ievieÅ”anÄ nebija nekÄdu grÅ«tÄ«bu. JÄpiebilst, ka uzlabotajÄ piemÄrÄ bija komentÄrs ar mÄjienu, kur sÄkt risinÄjuma uzlaboÅ”anu.
Katram no uzdevumiem tika sniegti elementÄri primitÄ«vi risinÄjumi, kurus dalÄ«bnieki viegli pÄrspÄja. SacensÄ«bu sÄkuma dienÄs dalÄ«bnieki saskÄrÄs ar vairÄkÄm grÅ«tÄ«bÄm: pirmkÄrt, dati tika sniegti Apache Parquet formÄtÄ, un ne visas Python un parketa paketes kombinÄcijas darbojÄs bez kļūdÄm. Otra grÅ«tÄ«ba bija attÄlu lejupielÄde no pasta mÄkoÅa, Å”obrÄ«d nav vienkÄrÅ”a veida, kÄ vienlaikus lejupielÄdÄt lielu datu apjomu. RezultÄtÄ Å”Ä«s problÄmas dalÄ«bniekus aizkavÄja uz pÄris dienÄm.
IDAO. Pirmais posms
Uzdevums bija klasificÄt miona/ne-muona daļiÅas pÄc to Ä«paŔībÄm. Å Ä« uzdevuma galvenÄ iezÄ«me bija svara kolonnas klÄtbÅ«tne treniÅu datos, ko paÅ”i organizatori interpretÄja kÄ pÄrliecÄ«bu par atbildi uz Å”o rindu. ProblÄma bija tÄ, ka diezgan daudzÄs rindÄs bija negatÄ«vi svari.
Dažas minÅ«tes domÄjuÅ”i par lÄ«niju ar mÄjienu (padoms vienkÄrÅ”i pievÄrsa uzmanÄ«bu Å”ai svara kolonnas funkcijai) un izveidojot Å”o grafiku, mÄs nolÄmÄm pÄrbaudÄ«t 3 iespÄjas:
1) apgriezt mÄrÄ·i lÄ«nijas ar negatÄ«vu svaru (un attiecÄ«gi svaru)
2) pÄrvietojiet svarus uz minimÄlo vÄrtÄ«bu, lai tie sÄktu no 0
3) neizmantojiet stīgu atsvarus
TreÅ”ais variants izrÄdÄ«jÄs vissliktÄkais, bet pirmie divi uzlaboja rezultÄtu, labÄkais bija variants Nr.1, kas mÅ«s uzreiz atveda uz paÅ”reizÄjo otro vietu pirmajÄ uzdevumÄ un pirmo otrajÄ.
MÅ«su nÄkamais solis bija datu pÄrskatÄ«Å”ana, lai noteiktu trÅ«kstoÅ”Äs vÄrtÄ«bas. Organizatori mums iedeva jau izÄ·emmÄtus datus, kur bija diezgan daudz trÅ«kstoÅ”o vÄrtÄ«bu, un tÄs tika aizstÄtas ar -9999.
MÄs atradÄm trÅ«kstoÅ”Äs vÄrtÄ«bas kolonnÄs MatchedHit_{X,Y,Z}[N] un MatchedHit_D{X,Y,Z}[N], un tikai tad, ja N=2 vai 3. KÄ mÄs saprotam, dažas daļiÅas to nedarÄ«ja. iziet visus 4 detektorus un apstÄjÄs uz 3. vai 4. plÄksnes. Datos bija arÄ« Lextra_{X,Y}[N] kolonnas, kas acÄ«mredzot apraksta to paÅ”u, ko MatchedHit_{X,Y,Z}[N], bet izmantojot kaut kÄdu ekstrapolÄciju. Å ie niecÄ«gie minÄjumi liecinÄja, ka Lextra_{X,Y}[N] varÄtu aizstÄt trÅ«kstoÅ”Äs vÄrtÄ«bas MatchedHit_{X,Y,Z}[N] (tikai X un Y koordinÄtÄm). MatchedHit_Z[N] bija labi aizpildÄ«ts ar mediÄnu. Å Ä«s manipulÄcijas ļÄva sasniegt 1. starpvietu abos uzdevumos.
Å emot vÄrÄ, ka viÅi neko nedeva par uzvaru pirmajÄ posmÄ, varÄjÄm pie tÄ apstÄties, bet turpinÄjÄm, uzzÄ«mÄjÄm skaistas bildes un izdomÄjÄm jaunas iespÄjas.
PiemÄram, mÄs atklÄjÄm, ka, ja mÄs attÄlosim daļiÅas krustoÅ”anÄs punktus ar katru no ÄetrÄm detektora plÄksnÄm, mÄs varam redzÄt, ka punkti uz katras plÄksnes ir sagrupÄti 5 taisnstÅ«ros ar malu attiecÄ«bu no 4 lÄ«dz 5 un centrÄti punkts (0,0), un in PirmajÄ taisnstÅ«rÄ« nav punktu.
PlÄksnÄ«tes nr./taisnstÅ«ra izmÄri
1
2
3
4
5
1. plÄksne
500Ń 625
1000Ń 1250
2000Ń 2500
4000Ń 5000
8000Ń 10000
2. plÄksne
520Ń 650
1040Ń 1300
2080Ń 2600
4160Ń 5200
8320Ń 10400
3. plÄksne
560Ń 700
1120Ń 1400
2240Ń 2800
4480Ń 5600
8960Ń 11200
4. plÄksne
600Ń 750
1200Ń 1500
2400Ń 3000
4800Ń 6000
9600Ń 12000
Nosakot Å”os izmÄrus, katrai daļiÅai pievienojÄm 4 jaunas kategoriskas pazÄ«mes - taisnstÅ«ra numuru, kurÄ tÄ krusto katru plÄksni.
TÄpat novÄrojÄm, ka daļiÅas it kÄ izkliedÄjas uz sÄniem no centra un radÄs doma kaut kÄ novÄrtÄt Ŕīs izkliedes ākvalitÄtiā. IdeÄlÄ variantÄ, iespÄjams, bÅ«tu iespÄjams izdomÄt kÄdu āideÄluā parabolu atkarÄ«bÄ no pacelÅ”anÄs punkta un novÄrtÄt novirzi no tÄ, bet mÄs aprobežojÄmies ar āideÄloā taisni. KonstruÄjot Å”Ädas ideÄlas taisnes katram ieejas punktam, mÄs varÄjÄm aprÄÄ·inÄt katras daļiÅas trajektorijas standarta novirzi no Ŕīs taisnes. TÄ kÄ mÄrÄ·a = 1 vidÄjÄ novirze bija 152, bet mÄrÄ·im = 0 tÄ bija 390, mÄs provizoriski novÄrtÄjÄm Å”o funkciju kÄ labu. Un patieÅ”Äm Ŕī funkcija uzreiz iekļuva visnoderÄ«gÄko topu sarakstÄ.
MÄs bijÄm priecÄ«gi un pievienojÄm visu 4 krustoÅ”anÄs punktu novirzi katrai daļiÅai no ideÄlÄs taisnes kÄ papildu 4 pazÄ«mes (un tÄs arÄ« darbojÄs labi).
Saites uz zinÄtniskiem rakstiem par konkursa tÄmu, ko mums iedeva organizatori, radÄ«ja domu, ka mÄs nebÅ«t neesam pirmie, kas Å”o problÄmu atrisina un, iespÄjams, ir kÄda specializÄta programmatÅ«ra. AtklÄjot github repozitoriju, kurÄ tika ieviestas metodes IsMuonSimple, IsMuon, IsMuonLoose, mÄs tÄs pÄrnesÄm uz mÅ«su vietni ar nelielÄm izmaiÅÄm. PaÅ”as metodes bija ļoti vienkÄrÅ”as: piemÄram, ja enerÄ£ija ir mazÄka par noteiktu slieksni, tad tas nav mions, pretÄjÄ gadÄ«jumÄ tas ir mions. Å Ädas vienkÄrÅ”as funkcijas acÄ«mredzami nevarÄja palielinÄt gradienta palielinÄÅ”anas gadÄ«jumÄ, tÄpÄc slieksnim pievienojÄm vÄl vienu nozÄ«mÄ«gu āattÄlumuā. Å Ä«s funkcijas ir arÄ« nedaudz uzlabotas. IespÄjams, rÅ«pÄ«gÄk analizÄjot esoÅ”Äs metodes, izdevÄs atrast spÄcÄ«gÄkas metodes un pievienot tÄs zÄ«mÄm.
Konkursa beigÄs mÄs nedaudz pielabojÄm otrÄs problÄmas āÄtroā risinÄjumu, kas galu galÄ atŔķīrÄs no bÄzes lÄ«nijas Å”Ädos punktos:
RindÄs ar negatÄ«vu svaru mÄrÄ·is tika apgriezts otrÄdi
RezultÄtÄ mÄs izmÄÄ£inÄjÄm vairÄk funkciju (ne pÄrÄk veiksmÄ«gi), izvÄlÄjÄmies parametrus un trenÄjÄm catboost, lightgbm un xgboost, izmÄÄ£inÄjÄm dažÄdus prognožu sajaukumus un pirms privÄtÄ atvÄrÅ”anas pÄrliecinoÅ”i uzvarÄjÄm otrajÄ uzdevumÄ, un pirmajÄ bijÄm starp lÄ«deriem.
PÄc privÄtÄ atvÄrÅ”anas bijÄm 10. vietÄ 1. uzdevumÄ un 3. otrajÄ vietÄ. Visi lÄ«deri sajaucÄs, un Ätrums privÄtajÄ bija lielÄks nekÄ uz libboard. Å Ä·iet, ka dati bija slikti stratificÄti (vai, piemÄram, privÄtajÄ nebija rindu ar negatÄ«vu svaru), un tas bija nedaudz nomÄkta.
SNA Hackathon 2019 ā teksti. Pirmais posms
Uzdevums bija sarindot lietotÄju ziÅas Odnoklassniki sociÄlajÄ tÄ«klÄ, pamatojoties uz tajos ietverto tekstu; papildus tekstam bija vÄl dažas ziÅas pazÄ«mes (valoda, Ä«paÅ”nieks, izveides datums un laiks, apskates datums un laiks ).
KÄ klasiskÄs pieejas darbam ar tekstu es izceltu divas iespÄjas:
Katra vÄrda kartÄÅ”ana n-dimensiju vektoru telpÄ tÄ, lai lÄ«dzÄ«giem vÄrdiem bÅ«tu lÄ«dzÄ«gi vektori (vairÄk lasiet mÅ«su raksts), pÄc tam meklÄjot teksta vidÄjo vÄrdu vai izmantojot mehÄnismus, kas Åem vÄrÄ vÄrdu relatÄ«vo pozÄ«ciju (CNN, LSTM/GRU).
Izmantot modeļus, kas var nekavÄjoties strÄdÄt ar veseliem teikumiem. PiemÄram, BÄrts. TeorÄtiski Å”ai pieejai vajadzÄtu darboties labÄk.
TÄ kÄ Å”Ä« bija mana pirmÄ pieredze ar tekstiem, bÅ«tu nepareizi kÄdu mÄcÄ«t, tÄpÄc mÄcÄ«Å”u pati. Å ie ir padomi, ko es sev dotu konkursa sÄkumÄ:
Pirms skrien ko mÄcÄ«t, paskaties datus! Papildus paÅ”am tekstam datos bija vairÄkas kolonnas un no tÄm varÄja izspiest daudz vairÄk nekÄ es. VisvienkÄrÅ”ÄkÄ lieta ir dažÄm kolonnÄm nozÄ«mÄt mÄrÄ·a kodÄjumu.
NemÄcieties no visiem datiem! Datu bija daudz (apmÄram 17 miljoni rindu), un absolÅ«ti nebija nepiecieÅ”ams tos visus izmantot, lai pÄrbaudÄ«tu hipotÄzes. ApmÄcÄ«ba un priekÅ”apstrÄde bija diezgan lÄna, un man acÄ«mredzot bÅ«tu bijis laiks pÄrbaudÄ«t interesantÄkas hipotÄzes.
<StrÄ«dÄ«gs padoms> Nav jÄmeklÄ slepkava modelis. Es ilgi izdomÄju Elmo un Bertu, cerot, ka viÅi mani uzreiz aizvedÄ«s uz augstu vietu, un rezultÄtÄ es izmantoju FastText iepriekÅ” apmÄcÄ«tus iegultus krievu valodai. Es nevarÄju sasniegt labÄku Ätrumu ar Elmo, un man joprojÄm nebija laika to izdomÄt ar Bertu.
<StrÄ«dÄ«gs padoms> Nav jÄmeklÄ viena slepkava funkcija. Apskatot datus, es pamanÄ«ju, ka aptuveni 1 procents tekstu faktiski nesatur tekstu! Bet tur bija saites uz dažiem resursiem, un es uzrakstÄ«ju vienkÄrÅ”u parsÄtÄju, kas atvÄra vietni un izvilka virsrakstu un aprakstu. Å Ä·ita laba ideja, bet tad es aizrÄvos un nolÄmu parsÄt visas saites visiem tekstiem un atkal zaudÄju daudz laika. Tas viss nenodroÅ”inÄja bÅ«tisku gala rezultÄta uzlabojumu (lai gan es izdomÄju, piemÄram, atvasinÄjumu).
KlasiskÄs funkcijas darbojas. MÄs Google, piemÄram, ātext features kaggleā, lasÄm un pievienojam visu. TF-IDF nodroÅ”inÄja uzlabojumus, tÄpat kÄ statistikas funkcijas, piemÄram, teksta garums, vÄrdi un pieturzÄ«mju daudzums.
Ja ir kolonnas DateTime, ir vÄrts tÄs parsÄt vairÄkos atseviŔķos objektos (stundas, nedÄļas dienas utt.). Kuras funkcijas ir jÄizceļ, jÄanalizÄ, izmantojot grafikus/dažus rÄdÄ«tÄjus. LÅ«k, pÄc iegribas es visu izdarÄ«ju pareizi un izcÄlu nepiecieÅ”amÄs funkcijas, taÄu parasta analÄ«ze nebÅ«tu skÄjusi (piemÄram, kÄ mÄs to izdarÄ«jÄm finÄlÄ).
SacensÄ«bu rezultÄtÄ trenÄju vienu keras modeli ar vÄrdu konvolÅ«ciju, otru uz LSTM un GRU bÄzes. Abi izmantoja iepriekÅ” apmÄcÄ«tus FastText iegulÅ”anas veidus krievu valodai (izmÄÄ£inÄju vairÄkas citas iegulÅ”anas, bet Ŕīs bija tÄs, kas darbojÄs vislabÄk). PÄc prognožu vidusmÄra ieÅÄmu noslÄdzoÅ”o 7.vietu no 76 dalÄ«bniekiem.
PÄc pirmÄ posma tas tika publicÄts Nikolaja Anohina raksts, kurÅ” ieÅÄma otro vietu (viÅÅ” piedalÄ«jÄs Ärpus konkursa), un viÅa risinÄjums lÄ«dz kÄdam posmam atkÄrtoja manÄjo, taÄu viÅÅ” gÄja tÄlÄk, pateicoties query-key-value uzmanÄ«bas mehÄnismam.
Vispirms es un jauniegÅ«tÄ komanda nokļuvÄm iespaidÄ«gajÄ kompÄnijas Mail.ru birojÄ, kur mÅ«su uzdevums bija apvienot trÄ«s celiÅu modeļus no pirmÄ posma - tekstu, attÄlus un colab. Tam tika atvÄlÄtas nedaudz vairÄk par 2 dienÄm, kas izrÄdÄ«jÄs ļoti maz. Faktiski mÄs varÄjÄm tikai atkÄrtot savus rezultÄtus no pirmÄ posma, nesaÅemot nekÄdus ieguvumus no apvienoÅ”anÄs. BeigÄs ieÅÄmÄm 5.vietu, taÄu nevarÄjÄm izmantot teksta modeli. Apskatot citu dalÄ«bnieku risinÄjumus, Ŕķiet, ka bija vÄrts mÄÄ£inÄt sagrupÄt tekstus un pievienot tos sadarbÄ«bas modelim. Å Ä« posma blakusefekts bija jauni iespaidi, tikÅ”anÄs un komunikÄcija ar forÅ”iem dalÄ«bniekiem un organizatoriem, kÄ arÄ« pamatÄ«gs miega trÅ«kums, kas, iespÄjams, ietekmÄja IDAO pÄdÄjÄ posma rezultÄtu.
IDAO 2019 finÄla posma uzdevums bija paredzÄt Yandex taksometru vadÄ«tÄju pasÅ«tÄ«juma gaidÄ«Å”anas laiku lidostÄ. 2. posmÄ tika identificÄti 3 uzdevumi = 3 lidostas. Par katru lidostu tiek sniegti dati par taksometru pasÅ«tÄ«jumu skaitu par seÅ”iem mÄneÅ”iem pa minÅ«ti. Un kÄ testa dati tika doti nÄkamÄ mÄneÅ”a un minÅ«tes pÄc minÅ«tes dati par pasÅ«tÄ«jumiem pÄdÄjo 2 nedÄļu laikÄ. Laika bija maz (1,5 dienas), uzdevums bija diezgan konkrÄts, uz sacensÄ«bÄm ieradÄs tikai viens cilvÄks no komandas - un rezultÄtÄ tÄ bija bÄdÄ«ga vieta uz beigÄm. Interesantas idejas ietvÄra mÄÄ£inÄjumus izmantot ÄrÄjos datus: laikapstÄkļus, satiksmes sastrÄgumus un Yandex taksometru pasÅ«tÄ«jumu statistiku. Lai gan organizatori neteica, kas ir Ŕīs lidostas, daudzi dalÄ«bnieki pieļÄva, ka tÄs ir Å eremetjevo, Domodedovo un Vnukovo. Lai gan pÄc sacensÄ«bÄm Å”is pieÅÄmums tika atspÄkots, iezÄ«mes, piemÄram, no Maskavas laikapstÄkļu datiem, uzlaboja rezultÄtus gan validÄcijÄ, gan lÄ«deru sarakstÄ.
SecinÄjums
ML sacensÄ«bas ir forÅ”as un interesantas! Å eit jÅ«s atradÄ«sit prasmju izmantoÅ”anu datu analÄ«zÄ un viltÄ«gos modeļos un paÅÄmienos, un vienkÄrÅ”i veselais saprÄts ir apsveicams.
ML jau ir milzÄ«gs zinÄÅ”anu kopums, kas, Ŕķiet, pieaug eksponenciÄli. Es izvirzÄ«ju sev mÄrÄ·i iepazÄ«ties ar dažÄdÄm jomÄm (signÄli, attÄli, tabulas, teksts) un jau sapratu, cik daudz ir jÄmÄcÄs. PiemÄram, pÄc Ŕīm sacensÄ«bÄm es nolÄmu izpÄtÄ«t: klasterizÄcijas algoritmus, uzlabotas metodes darbam ar gradientu paaugstinÄÅ”anas bibliotÄkÄm (jo Ä«paÅ”i, strÄdÄjot ar CatBoost GPU), kapsulu tÄ«klus, vaicÄjuma atslÄgas vÄrtÄ«bas uzmanÄ«bas mehÄnismu.
Ne ar kaggle vien! Ir daudz citu konkursu, kur vieglÄk iegÅ«t vismaz T-kreklu, un ir lielÄkas iespÄjas tikt pie citÄm balvÄm.
Sazinieties! MaŔīnmÄcÄ«Å”anÄs un datu analÄ«zes jomÄ jau ir liela kopiena, ir tematiskÄs grupas telegrammÄ, slack, un nopietni cilvÄki no Mail.ru, Yandex un citiem uzÅÄmumiem atbild uz jautÄjumiem un palÄ«dz iesÄcÄjiem un tiem, kas turpina savu ceļu Å”ajÄ jomÄ. zinÄÅ”anas.
Iesaku apmeklÄt visiem, kas iedvesmojuÅ”ies no iepriekÅ”ÄjÄ punkta datu festivÄls ā liela bezmaksas konference MaskavÄ, kas notiks 10.ā11.