हार्डवेअर स्टार्टअपला सॉफ्टवेअर हॅकाथॉनची आवश्यकता का आहे?

गेल्या डिसेंबरमध्ये, आम्ही इतर सहा Skolkovo कंपन्यांसोबत आमची स्वतःची स्टार्टअप हॅकाथॉन आयोजित केली. कॉर्पोरेट प्रायोजक किंवा कोणत्याही बाह्य समर्थनाशिवाय, आम्ही प्रोग्रामिंग समुदायाच्या प्रयत्नांद्वारे रशियाच्या 20 शहरांमधून दोनशे सहभागी एकत्र केले. खाली मी तुम्हाला सांगेन की आम्ही कसे यशस्वी झालो, वाटेत आम्हाला कोणत्या अडचणी आल्या आणि आम्ही लगेचच विजेत्या संघांपैकी एकासह सहकार्य करण्यास का सुरुवात केली.

अनुप्रयोगाचा इंटरफेस जो ट्रॅकच्या अंतिम फेरीतील वॅट्स बॅटरी मॉड्यूल्स नियंत्रित करतो, “ओले केस”

फर्म

आमची कंपनी वॅट्स बॅटरी मॉड्यूलर पोर्टेबल पॉवर स्टेशन तयार करते. उत्पादन हे पोर्टेबल पॉवर स्टेशन 46x36x11 सेमी आहे, जे 1,5 ते 15 किलोवॅट प्रति तास वितरीत करण्यास सक्षम आहे. असे चार मॉड्यूल दोन दिवसांसाठी एका लहान देशाच्या घराचा ऊर्जा वापर देऊ शकतात.

आम्ही गेल्या वर्षी उत्पादन नमुने पाठवण्यास सुरुवात केली असली तरी, सर्व खात्यांनुसार वॅट्स बॅटरी एक स्टार्टअप आहे. कंपनीची स्थापना 2016 मध्ये झाली होती आणि त्याच वर्षापासून स्कोल्कोव्हो एनर्जी एफिशियंट टेक्नॉलॉजीज क्लस्टरची रहिवासी आहे. आज आमच्याकडे 15 कर्मचारी आहेत आणि आम्हाला काही टप्प्यावर करू इच्छित असलेल्या गोष्टींचा मोठा अनुशेष आहे, परंतु सध्या तेथे नाही त्यासाठी वेळ.

यामध्ये पूर्णपणे सॉफ्टवेअर टास्क देखील समाविष्ट आहेत. का?

मॉड्यूलचे मुख्य कार्य म्हणजे इष्टतम खर्चात अखंड, संतुलित ऊर्जा पुरवठा प्रदान करणे. तुमच्या नियंत्रणाबाहेरील कारणांमुळे तुम्हाला पॉवर आउटेजचा अनुभव येत असल्यास, आउटेजच्या कालावधीसाठी आवश्यक नेटवर्क लोड पूर्णपणे पॉवर करण्यासाठी तुमच्याकडे नेहमी राखीव जागा असावी. आणि जेव्हा वीज पुरवठा चांगला असेल, तेव्हा तुम्ही पैसे वाचवण्यासाठी सौरऊर्जा वापरू शकता.

सर्वात सोपा पर्याय असा आहे की आपण दिवसा सूर्यापासून बॅटरी चार्ज करू शकता आणि संध्याकाळी ती वापरू शकता, परंतु अगदी आवश्यक पातळीपर्यंत जेणेकरुन ब्लॅकआउट झाल्यास, आपल्याला विजेशिवाय राहणार नाही. त्यामुळे, तुम्ही स्वतःला अशा परिस्थितीत कधीही सापडणार नाही जिथे तुम्ही संध्याकाळ बॅटरीमधून प्रकाश टाकला असेल (कारण ते स्वस्त आहे), परंतु रात्री वीज गेली आणि तुमचा रेफ्रिजरेटर डीफ्रॉस्ट झाला.

हे स्पष्ट आहे की एखादी व्यक्ती क्वचितच त्याला आवश्यक असलेल्या विजेच्या प्रमाणात अचूकतेने अंदाज लावू शकते, परंतु भविष्यसूचक मॉडेलसह सशस्त्र प्रणाली हे करू शकते. म्हणूनच, मशीन लर्निंग हे आमच्या प्राधान्य क्षेत्रांपैकी एक आहे. आम्ही सध्या हार्डवेअर डेव्हलपमेंटवर लक्ष केंद्रित करत आहोत आणि या कामांसाठी पुरेशी संसाधने देऊ शकत नाही, यामुळेच आम्हाला स्टार्टअप हॅकाथॉनमध्ये आणले.

तयारी, डेटा, पायाभूत सुविधा

परिणामी, आम्ही दोन ट्रॅक घेतले: डेटा विश्लेषण आणि व्यवस्थापन प्रणाली. आमच्या व्यतिरिक्त, सहकाऱ्यांचे आणखी सात ट्रॅक होते.

हॅकाथॉनचे स्वरूप निश्चित केलेले नसताना, आम्ही पॉइंट सिस्टमसह "आपले स्वतःचे वातावरण" तयार करण्याचा विचार करत होतो: सहभागी काही गोष्टी करतात ज्या आम्हाला कठीण आणि मनोरंजक वाटतात, त्यासाठी गुण प्राप्त करतात. आमच्याकडे बरीच कामे होती. पण जसजसे आम्ही हॅकाथॉनची रचना तयार केली, तसतसे इतर आयोजकांनी सर्व काही एका सामान्य स्वरूपात आणण्यास सांगितले, जे आम्ही केले.

मग आम्ही खालील योजनेवर आलो: मुले त्यांच्या डेटावर आधारित एक मॉडेल बनवतात, नंतर त्यांना आमचा डेटा प्राप्त होतो, जो मॉडेलने यापूर्वी पाहिला नव्हता, तो शिकतो आणि भविष्य सांगू लागतो. असे गृहीत धरले गेले होते की हे सर्व 48 तासांत केले जाऊ शकते, परंतु आमच्यासाठी आमच्या डेटावरील हा पहिला हॅकाथॉन होता आणि आम्ही वेळ संसाधने किंवा डेटाच्या तयारीची डिग्री जास्त प्रमाणात मोजली असावी. स्पेशलाइज्ड मशीन लर्निंग हॅकाथॉनमध्ये, अशी टाइमलाइन सर्वसामान्य असेल, पण आमची तशी नव्हती.

आम्ही मॉड्यूलचे सॉफ्टवेअर आणि हार्डवेअर शक्य तितके अनलोड केले आणि आमच्या डिव्हाइसची आवृत्ती खासकरून हॅकाथॉनसाठी तयार केली, ज्यामध्ये कोणताही विकासक समर्थन करू शकेल अशा अतिशय सोप्या आणि समजण्यायोग्य अंतर्गत इंटरफेससह.

नियंत्रण प्रणालीवर आधारित ट्रॅकसाठी, मोबाइल अनुप्रयोग बनविण्याचा पर्याय होता. सहभागींना ते कसे दिसले पाहिजे याबद्दल त्यांच्या मेंदूला वेठीस धरण्यापासून आणि अतिरिक्त वेळ वाया घालवण्यापासून रोखण्यासाठी, आम्ही त्यांना अनुप्रयोगाचा एक डिझाइन लेआउट दिला, जो अतिशय हलका आहे, जेणेकरून ज्यांना ते हवे आहे त्यांना त्यामध्ये आवश्यक असलेली फंक्शन्स "स्ट्रेच" करता येतील. . खरे सांगायचे तर, आम्हाला येथे कोणत्याही नैतिक पेचांची अपेक्षा नव्हती, परंतु एका संघाने ते अशा प्रकारे घेतले की आम्ही त्यांच्या फॅन्सी फ्लाइटवर मर्यादा घालत आहोत, आम्हाला विनामूल्य तयार समाधान मिळवायचे आहे, आणि त्यांची चाचणी करू नये. सरावात. आणि ते उतरले.

दुसर्‍या कार्यसंघाने सुरवातीपासून पूर्णपणे भिन्न अनुप्रयोग बनविणे निवडले आणि सर्वकाही कार्य केले. आम्ही अनुप्रयोग अगदी असाच असावा असा आग्रह धरला नाही, आम्हाला फक्त समाधानाची तांत्रिक पातळी दर्शविणारे काही घटक असणे आवश्यक आहे: आलेख, विश्लेषण इ. तयार डिझाइन लेआउट देखील एक इशारा होता.

हॅकाथॉनमध्ये लाइव्ह वॅट्स बॅटरी मॉड्यूलचे विश्लेषण करणे खूप वेळ घेणारे असल्याने, आम्ही सहभागींना आमच्या क्लायंटच्या वास्तविक मॉड्यूल्समधून घेतलेल्या एका महिन्यासाठी तयार केलेल्या डेटाचा तुकडा दिला (जे आम्ही आधीपासून काळजीपूर्वक अनामित केले होते). जून असल्याने, विश्लेषणामध्ये हंगामी बदल समाविष्ट करण्यासाठी काहीही नव्हते. परंतु भविष्यात आम्ही त्यांना बाह्य डेटा जोडू, जसे की हंगामी आणि हवामान वैशिष्ट्ये (आज हे उद्योग मानक आहे).

आम्हाला सहभागींमध्ये अवास्तव अपेक्षा निर्माण करायच्या नव्हत्या, म्हणून हॅकाथॉनच्या घोषणेमध्ये आम्ही थेट सांगितले: कार्य क्षेत्रीय कार्याच्या शक्य तितके जवळ असेल: गोंगाट करणारा, घाणेरडा डेटा, जो कोणीही खास तयार केलेला नाही. परंतु याची एक सकारात्मक बाजू देखील होती: चपळतेच्या भावनेने, आम्ही सतत सहभागींच्या संपर्कात होतो, आणि कार्य आणि प्रवेशाच्या अटींमध्ये तत्काळ बदल केले (खाली याबद्दल अधिक).

आम्ही सहभागींना Amazon AWS मध्ये प्रवेश देखील दिला (इतके सक्रियपणे की Amazon ने एका प्रदेशाला ब्लॉक केले; आम्ही त्याबद्दल काय करायचे ते शोधून काढू). तिथे, तुम्ही IoT पायाभूत सुविधा तैनात करू शकता आणि साध्या Amazon टेम्पलेट्स वापरूनही २४ तासांत एक पूर्ण समाधान तयार करू शकता. पण शेवटी, प्रत्येकाने स्वतःहून शक्य तितके काम करून स्वतःहून काम केले. काहींनी वेळेची मर्यादा पूर्ण केली, तर काहींनी ती पूर्ण केली नाही. नबल नावाच्या एका टीमने Yandex.Cloud वापरले, तर काहींनी स्वतःचे वापरले. होस्टिंग आम्ही डोमेन देण्यासही तयार होतो (आमच्याकडे नोंदणीकृत आहेत), पण त्यांची गरज नव्हती.

विश्लेषणात्मक ट्रॅकमधील विजेते निश्चित करण्यासाठी, आम्ही परिणामांची तुलना करण्याची योजना आखली, ज्यासाठी आम्ही संख्यात्मक मेट्रिक्स तयार केले. परंतु शेवटी हे करणे आवश्यक नव्हते, कारण विविध कारणांमुळे चारपैकी तीन सहभागी अंतिम फेरीत पोहोचले नाहीत.

घरगुती पायाभूत सुविधांबद्दल, स्कोल्कोवो टेक्नोपार्कने आम्हाला (विनाशुल्क) एक आरामदायी मॉड्यूलर रूम प्रेझेंटेशनसाठी व्हिडिओ वॉलसह आणि मनोरंजन क्षेत्रासाठी आणि खानपान आयोजित करण्यासाठी दोन लहान खोल्या देऊन मदत केली.

Analytics

उद्दिष्ट: एक स्वयं-शिक्षण प्रणाली जी नियंत्रण डेटावर आधारित उपभोग आणि मॉड्यूल ऑपरेशनमधील विसंगती ओळखते. आम्ही जाणूनबुजून शब्दरचना शक्य तितकी सामान्य ठेवली जेणेकरुन उपलब्ध डेटाच्या आधारे काय करता येईल याचा विचार करण्यासाठी सहभागी आमच्यासोबत कार्य करू शकतील.

विशिष्टता: दोन ट्रॅक अधिक जटिल. बंद सिस्टीममधील डेटापेक्षा औद्योगिक डेटामध्ये काही फरक आहेत (उदाहरणार्थ, डिजिटल मार्केटिंग). येथे तुम्ही विश्लेषण करण्याचा प्रयत्न करत असलेल्या पॅरामीटर्सचे भौतिक स्वरूप समजून घेणे आवश्यक आहे; प्रत्येक गोष्टीकडे अमूर्त संख्या मालिका म्हणून पाहणे कार्य करणार नाही. उदाहरणार्थ, दिवसभर विजेच्या वापराचे वितरण. हे विधींसारखे आहे: आठवड्याच्या दिवशी सकाळी इलेक्ट्रिक रेझर चालू केला जातो आणि आठवड्याच्या शेवटी मिक्सर चालू केला जातो. मग विसंगतींचें सार स्वयें । आणि हे विसरू नका की वॅट्स बॅटरी वैयक्तिक वापरासाठी आहे, म्हणून प्रत्येक क्लायंटचे स्वतःचे विधी असतील आणि एक सार्वत्रिक मॉडेल कार्य करणार नाही. डेटामध्ये ज्ञात विसंगती शोधणे देखील एक कार्य नाही; लेबल नसलेल्या विसंगतींसाठी स्वायत्तपणे शोधणारी प्रणाली तयार करणे ही दुसरी बाब आहे. शेवटी, कपटी मानवी घटकांसह काहीही विसंगती असू शकते. उदाहरणार्थ, आमच्या चाचणी डेटामध्ये असे एक प्रकरण होते जेथे वापरकर्त्याद्वारे सिस्टमला बॅटरी मोडमध्ये सक्ती केली गेली होती. कोणत्याही कारणाशिवाय, वापरकर्ते कधीकधी असे करतात (मी आरक्षण करेन की हा वापरकर्ता आमच्यासाठी मॉड्यूलची चाचणी करत आहे आणि या कारणास्तव त्याला मोडच्या मॅन्युअल नियंत्रणात प्रवेश आहे; इतर वापरकर्त्यांसाठी नियंत्रण पूर्णपणे स्वयंचलित आहे). अंदाज लावणे सोपे आहे, अशा परिस्थितीत बॅटरी सक्रियपणे डिस्चार्ज केली जाते आणि जर भार मोठा असेल तर, सूर्य उगवण्यापूर्वी किंवा उर्जेचा दुसरा स्त्रोत दिसण्यापूर्वी चार्ज संपेल. अशा प्रकरणांमध्ये, आम्हाला अशी काही सूचना मिळण्याची अपेक्षा आहे की सिस्टम वर्तन सामान्यपेक्षा विचलित झाले आहे. किंवा ती व्यक्ती निघून गेली आणि ओव्हन बंद करायला विसरली. प्रणाली पाहते की सामान्यतः दिवसाच्या या वेळी वापर 500 वॅट्स आहे, परंतु आज - 3,5 हजार - एक विसंगती! विमानातील डेनिस मत्सुएव प्रमाणे: "मला विमानाच्या इंजिनांबद्दल काहीही समजत नाही, परंतु वाटेत इंजिन वेगळे वाटले."

ओपनसोर्स न्यूरल नेटवर्क Yandex CatBoost वरील भविष्यसूचक मॉडेलचा आलेख

कंपनीला खरोखर काय आवश्यक आहे?: डिव्हाइसमधील स्व-निदान प्रणाली, नेटवर्क इन्फ्रास्ट्रक्चर शिवाय भविष्यसूचक विश्लेषणे (सराव दर्शविल्याप्रमाणे, आमचे सर्व क्लायंट इंटरनेटशी बॅटरी कनेक्ट करण्याची घाई करत नाहीत - बहुतेकांसाठी, सर्वकाही विश्वासार्हपणे कार्य करण्यासाठी पुरेसे आहे), विसंगतींची ओळख, ज्याचे स्वरूप आपल्याला अद्याप माहित नाही, शिक्षकांशिवाय स्वयं-शिक्षण प्रणाली, क्लस्टरिंग, न्यूरल नेटवर्क आणि आधुनिक विश्लेषणात्मक पद्धतींचे संपूर्ण शस्त्रागार. नेमके काय बदलले आहे हे माहीत नसले तरी व्यवस्था वेगळ्या पद्धतीने वागू लागली हे समजून घेतले पाहिजे. हॅकाथॉनमध्येच, आमच्यासाठी हे पाहणे खूप महत्वाचे होते की असे लोक आहेत जे औद्योगिक विश्लेषणामध्ये पाऊल ठेवण्यास तयार आहेत किंवा त्यात आधीपासूनच आहेत आणि ते त्यांच्या क्षमता लागू करण्यासाठी नवीन क्षेत्र शोधत आहेत. सुरुवातीला मला आश्चर्य वाटले की बरेच अर्जदार होते: शेवटी, ही एक अतिशय विशिष्ट पाककृती आहे, परंतु हळूहळू चार सहभागींपैकी एक वगळता सर्व बाहेर पडले, त्यामुळे काही प्रमाणात सर्व काही ठिकाणी पडले.

या टप्प्यावर ते व्यवहार्य का नाही?: डेटा खनन कार्यांची मुख्य समस्या पुरेसा डेटा नाही. आज जगभरात डझनभर वॅट्स बॅटरी उपकरणे कार्यरत आहेत, परंतु त्यापैकी बरेच नेटवर्कशी कनेक्ट केलेले नाहीत, त्यामुळे आमचा डेटा अद्याप फारसा वैविध्यपूर्ण नाही. आम्ही फक्त दोन विसंगती एकत्र काढल्या - आणि त्या प्रोटोटाइपवर आल्या; औद्योगिक वॅट्स बॅटरी बर्‍यापैकी स्थिरपणे कार्य करते. जर आमच्याकडे अंतर्गत मशीन लर्निंग अभियंता असेल आणि आम्हाला माहित असेल - होय, हे या डेटामधून पिळून काढले जाऊ शकते, परंतु आम्हाला अंदाजाची चांगली गुणवत्ता मिळवायची आहे - ती एक गोष्ट असेल. परंतु आतापर्यंत आम्ही या डेटासह काहीही केले नाही. याव्यतिरिक्त, यासाठी आमचे उत्पादन कसे कार्य करते याच्या तपशीलांमध्ये सहभागींचे सखोल विसर्जन आवश्यक आहे; यासाठी दीड दिवस पुरेसा नाही.

आपण कसे ठरवले?: त्यांनी त्वरित अचूक अंतिम कार्य सेट केले नाही. त्याऐवजी, संपूर्ण 48 तासांमध्ये, आम्ही सहभागींशी संवाद साधत होतो, त्यांना काय मिळू शकले आणि काय नाही हे त्वरित शोधून काढले. त्याआधारे तडजोडीच्या भावनेने हे काम अंतिम टप्प्यात आले.

परिणामी तुम्हाला काय मिळाले?: ट्रॅकचे विजेते डेटा साफ करण्यास सक्षम होते (त्याच वेळी त्यांना काही पॅरामीटर्सची गणना करण्याची "वैशिष्ट्ये" आढळली जी आम्ही स्वतः लक्षात घेतली नव्हती, कारण आम्ही आमच्या समस्या सोडवण्यासाठी काही डेटा वापरला नाही) , वॅट्स बॅटरी मॉड्यूल्सच्या अपेक्षित वर्तनातील विचलन हायलाइट करा आणि उच्च प्रमाणातील अचूकतेसह ऊर्जेच्या वापराचा अंदाज लावू शकणारे भविष्यसूचक मॉडेल सेट करा. होय, औद्योगिक उपाय विकसित करण्याचा हा केवळ व्यवहार्यता टप्पा आहे; नंतर अनेक आठवडे कष्टकरी तांत्रिक कार्य करावे लागेल, परंतु अगदी हॅकाथॉन दरम्यान थेट तयार केलेला हा नमुना देखील वास्तविक औद्योगिक समाधानाचा आधार बनू शकतो, जो दुर्मिळ आहे.

मुख्य निष्कर्ष: आमच्याकडे असलेल्या डेटाच्या आधारे, भविष्यसूचक विश्लेषणे सेट करणे शक्य आहे, आम्ही हे गृहीत धरले, परंतु तपासण्यासाठी संसाधने नाहीत. हॅकाथॉनच्या सहभागींनी आमच्या गृहीतकाची चाचणी केली आणि पुष्टी केली आणि आम्ही या कार्यावर ट्रॅक विजेत्यांसह कार्य करणे सुरू ठेवू.

ओपनसोर्स न्यूरल नेटवर्क Facebook प्रोफेट वरील भविष्यसूचक मॉडेलचा आलेख

भविष्यासाठी सल्ला: एखादे कार्य काढताना, तुम्हाला केवळ तुमचा उत्पादन रोडमॅपच नाही तर सहभागींच्या हिताकडे देखील लक्ष देणे आवश्यक आहे. आमच्या हॅकाथॉनमध्ये रोख बक्षिसे नसल्यामुळे, आम्ही डेटा शास्त्रज्ञांच्या नैसर्गिक कुतूहलावर आणि नवीन, मनोरंजक समस्या सोडवण्याच्या इच्छेवर खेळतो ज्यामध्ये अद्याप कोणीही काहीही दाखवले नाही किंवा जिथे ते विद्यमान परिणामांपेक्षा चांगले दाखवू शकतात. जर तुम्ही स्वारस्याच्या घटकाचा ताबडतोब विचार केला तर तुम्हाला तुमचे लक्ष दुसरीकडे वळवावे लागणार नाही.

शासन

उद्दिष्ट: (अॅप्लिकेशन) जे वैयक्तिक खाते, क्लाउडमधील डेटा स्टोरेज आणि स्थिती निरीक्षणासह वॅट्स बॅटरी मॉड्यूलचे नेटवर्क व्यवस्थापित करते.

विशिष्टता: या ट्रॅकमध्ये आम्ही काही नवीन तांत्रिक उपाय शोधत नव्हतो; अर्थातच आमचा स्वतःचा ग्राहक इंटरफेस आहे. आमच्या प्रणालीच्या क्षमतांचे प्रदर्शन करण्यासाठी, त्यात स्वतःला मग्न करण्यासाठी आणि स्मार्ट प्रणाली आणि पर्यायी उर्जेच्या विकासाच्या विषयात समुदायाला स्वारस्य आहे की नाही हे तपासण्यासाठी आम्ही त्याला हॅकाथॉनसाठी निवडले. आम्ही मोबाईल ऍप्लिकेशनला पर्याय म्हणून स्थान दिले आहे; तुम्ही ते तुमच्या विवेकबुद्धीनुसार करू शकता किंवा करू शकत नाही. परंतु आमच्या मते, लोकांनी एकाच वेळी अनेक भिन्न स्त्रोतांकडून प्रवेशासह क्लाउडमध्ये डेटा संचयन कसे व्यवस्थापित केले हे चांगले दर्शवते.

कंपनीला खरोखर काय आवश्यक आहे?: विकासकांचा समुदाय जो व्यवसाय कल्पना घेऊन येईल, परिकल्पना तपासेल आणि त्यांच्या अंमलबजावणीसाठी कार्य साधने तयार करेल.

या टप्प्यावर ते व्यवहार्य का नाही?: अशा समुदायाच्या सेंद्रिय निर्मितीसाठी बाजारपेठेचे प्रमाण अद्याप खूपच कमी आहे.

आपण कसे ठरवले?: हॅकाथॉनचा ​​एक भाग म्हणून, आमच्या विशिष्ट उत्पादनाभोवती केवळ वैशिष्ट्येच नव्हे तर संपूर्ण व्यावसायिक मॉडेल्स आणणे शक्य आहे का हे पाहण्यासाठी आम्ही एक प्रकारचा शारीरिक अभ्यास केला. शिवाय, हे करण्यासाठी प्रोटोटाइप लागू करण्यास सक्षम लोकांसाठी, शेवटी, येथे - मला कोणाचेही अपमान करायचे नाही - हे Arduino वर ब्लिंकिंग LED प्रोग्रामिंगचे स्तर नाही (जरी हे नवकल्पनांसह केले जाऊ शकते) , त्याऐवजी येथे विशिष्ट कौशल्ये आवश्यक आहेत: बॅकएंड आणि फ्रंटएंड सिस्टमचा विकास, स्केलेबल इंटरनेट ऑफ थिंग्ज सिस्टम तयार करण्याच्या तत्त्वांची समज.

*दुसऱ्या ट्रॅकच्या विजेत्यांचे भाषण*

परिणामी तुम्हाला काय मिळाले?: दोन संघांनी त्यांच्या कामासाठी पूर्ण वाढीव व्यवसाय कल्पना प्रस्तावित केल्या: एकाने रशियन विभागावर अधिक लक्ष केंद्रित केले, तर दुसरे परदेशी भागावर. म्हणजेच, अंतिम फेरीत त्यांनी केवळ अर्ज कसा आला हे सांगितले नाही, तर ते मूलत: वॅट्सच्या आसपास व्यवसाय करण्यासाठी आले आहेत. मुलांनी अनेक बिझनेस मॉडेल्समध्ये वॅट्सचा वापर कसा होतो याचे वर्णन केले, आकडेवारी प्रदान केली, कोणत्या प्रदेशात कोणत्या समस्या आहेत, कोणते कायदे कुठे स्वीकारले जातात हे दाखवून दिले, जागतिक ट्रेंडची रूपरेषा सांगितली: बिटकॉइन्सची खाण करणे हे फॅशनेबल आहे, किलोवॅट्सची खाण करणे फॅशनेबल आहे. ते मुद्दाम पर्यायी उर्जेकडे आले, जे आम्हाला खरोखर आवडले. या व्यतिरिक्त, सहभागी एक कार्यरत तांत्रिक समाधान तयार करण्यात सक्षम होते हे सूचित करते की ते स्वतंत्रपणे स्टार्टअप सुरू करू शकतात.

मुख्य निष्कर्ष: वॅट्स बॅटरीला त्यांच्या व्यवसाय मॉडेलचा आधार म्हणून घेण्यास, ते विकसित करण्यासाठी आणि कंपनीचे भागीदार/सहकारी बनण्यासाठी संघ तयार आहेत. त्यांच्यापैकी काहींना व्यवसाय कल्पनेचे MVP कसे ओळखायचे आणि त्यावर प्रथम कार्य कसे करायचे हे देखील माहित आहे, ज्याची आज उद्योगात सर्वत्र उणीव आहे. लोकांना समजत नाही की केव्हा थांबावे, बाजारासाठी उपाय कधी सोडावा, जरी लवकर, परंतु कार्य करत आहे. खरं तर, सोल्यूशन पॉलिश करण्याचा टप्पा बर्‍याचदा संपत नाही, तांत्रिकदृष्ट्या सोल्यूशन वाजवी जटिलतेची रेषा ओलांडते, ते ओव्हरलोड होऊन बाजारात प्रवेश करते, मूळ कल्पना काय होती, ग्राहक लक्ष्यीकरण काय आहे, व्यवसाय मॉडेल काय आहेत हे आता स्पष्ट होत नाही. समाविष्ट. अकुनिनबद्दलच्या विनोदाप्रमाणे, ज्याने एखाद्यासाठी मागील पुस्तकावर स्वाक्षरी करताना दुसरे पुस्तक लिहिले. परंतु येथे ते त्याच्या शुद्ध स्वरूपात केले गेले: येथे एक चार्ट आहे, येथे एक काउंटर आहे, येथे सूचक आहेत, येथे एक भविष्यवाणी आहे - हे सर्व आहे, ते चालविण्यासाठी दुसरे काहीही आवश्यक नाही. याद्वारे तुम्ही गुंतवणूकदाराकडे जाऊन व्यवसाय सुरू करण्यासाठी पैसे मिळवू शकता. ज्यांना ही शिल्लक सापडली ते विजेते म्हणून ट्रॅकमधून बाहेर पडले.

भविष्यासाठी सल्ला: पुढील हॅकाथॉनमध्ये (आम्ही त्याचे नियोजन करत आहोत या वर्षी मार्च मध्ये), कदाचित हार्डवेअरसह प्रयोग करण्यात अर्थ आहे. आमचे स्वतःचे हार्डवेअर डेव्हलपमेंट आहे (वॅट्सचा एक फायदा), आम्ही जे काही करतो त्याचे उत्पादन आणि चाचणी आम्ही पूर्णपणे नियंत्रित करतो, परंतु काही "हार्डवेअर" गृहीतके तपासण्यासाठी आमच्याकडे पुरेसे संसाधने नाहीत. असे होऊ शकते की सिस्टम आणि निम्न-स्तरीय प्रोग्रामर आणि हार्डवेअर डेव्हलपर्सच्या समुदायामध्ये असे लोक आहेत जे आम्हाला यामध्ये मदत करतील आणि भविष्यात या क्षेत्रात आमचे भागीदार बनतील.

लोक

हॅकाथॉनमध्ये, ज्यांना या प्रकारच्या विकासामध्ये विशेष प्राविण्य आहे त्यांच्यापेक्षा आम्ही नवीन क्षेत्रात (उदाहरणार्थ, विविध प्रोग्रामिंग शाळांचे पदवीधर) प्रयत्न करू इच्छित असलेल्यांची अपेक्षा केली होती. पण तरीही, आम्हाला अपेक्षा होती की हॅकाथॉनपूर्वी ते थोडे पूर्वतयारीचे काम करतील, सर्वसाधारणपणे ऊर्जेच्या वापराचा अंदाज कसा लावला जातो आणि इंटरनेट ऑफ थिंग्ज सिस्टम कसे कार्य करतात याबद्दल वाचा. जेणेकरुन प्रत्येकजण केवळ मनोरंजनासाठी, मनोरंजक डेटा आणि कार्ये शोधत नाही तर विषय क्षेत्रात प्राथमिक विसर्जनासह देखील येतो. आमच्या भागासाठी, आम्ही समजतो की यासाठी उपलब्ध डेटा, त्यांचे वर्णन आणि निकालासाठी अधिक अचूक आवश्यकता, API मॉड्यूल प्रकाशित करणे इत्यादी आगाऊ प्रकाशित करणे आवश्यक आहे.

प्रत्येकाकडे अंदाजे समान तांत्रिक पातळी, अधिक किंवा वजा समान क्षमता होती. या पार्श्‍वभूमीवर सुसंवादाची पातळी हा शेवटचा घटक नव्हता. बर्‍याच संघांनी शूट केले नाही कारण ते स्वतःला कामाच्या क्षेत्रात स्पष्टपणे विभाजित करू शकत नव्हते. असे देखील होते ज्यात एका व्यक्तीने सर्व विकास केला, बाकीचे प्रेझेंटेशन तयार करण्यात व्यस्त होते, इतरांमध्ये, एखाद्याला अशी कामे दिली गेली होती जी ते करत होते, कदाचित त्यांच्या आयुष्यात पहिल्यांदाच.

बहुतेक सहभागी तरुण होते, याचा अर्थ असा नाही की त्यांच्यामध्ये कोणतेही मजबूत मशीन लर्निंग अभियंते आणि विकासक नव्हते. बहुतेक संघात आले; व्यावहारिकरित्या कोणतीही व्यक्ती नव्हती. प्रत्येकाने जिंकण्याचे स्वप्न पाहिले, एखाद्याला भविष्यात नोकरी शोधायची होती, सुमारे 20% लोकांना आधीच सापडले आहे, मला वाटते की ही संख्या वाढेल.

आमच्याकडे पुरेसे हार्डवेअर गीक्स नव्हते, परंतु आम्ही दुसऱ्या हॅकाथॉनमध्ये त्याची भरपाई करू अशी आशा आहे.

हॅकाथॉन प्रगती

मी वर लिहिल्याप्रमाणे, आम्ही हॅकाथॉनच्या 48 तासांपैकी बहुतेक सहभागींसोबत होतो आणि चेकपॉईंटवर त्यांच्या यशाचे निरीक्षण केले, प्रथम, विश्लेषणात्मक ट्रॅक स्वीकारण्यासाठी कार्य आणि अटींशी जुळवून घेण्याचा प्रयत्न केला जेणेकरून, एकीकडे, सहभागी उर्वरित वेळेत ते पूर्ण करू शकत होते आणि दुसरीकडे, ते आमच्यासाठी स्वारस्यपूर्ण होते.

कार्याचे शेवटचे स्पष्टीकरण शनिवारी दुपारी शेवटच्या चेकपॉईंटच्या आसपास कुठेतरी केले गेले होते (फायनल रविवारी संध्याकाळी नियोजित होता). आम्ही सर्वकाही थोडे अधिक सोपे केले: आम्ही नवीन डेटावर मॉडेलची पुनर्गणना करण्याची आवश्यकता काढून टाकली, टीम ज्या डेटावर आधीच काम करत होत्या तो सोडून. मेट्रिक्सची तुलना केल्याने आम्हाला यापुढे काहीही मिळाले नाही, त्यांच्याकडे उपलब्ध डेटाच्या आधारे आधीच तयार परिणाम आहेत आणि दुसर्‍या दिवशी मुले आधीच थकले होते. त्यामुळे आम्ही त्यांच्यावर कमी अत्याचार करण्याचा निर्णय घेतला.

मात्र, चारपैकी तीन स्पर्धक अंतिम फेरीत पोहोचू शकले नाहीत. एका संघाला सुरुवातीपासूनच लक्षात आले की त्यांना आमच्या सहकार्‍यांच्या ट्रॅकमध्ये अधिक रस आहे, तर दुसर्‍याला, अंतिम सामन्याच्या आधी, लक्षात आले की प्रक्रियेदरम्यान त्यांनी आवश्यक डेटा वेळेपूर्वी फिल्टर केला होता आणि त्यांचे कार्य सादर करण्यास नकार दिला होता.

“21 (वेट हेअर इफेक्ट)” टीमने आमच्या दोन्ही ट्रॅकमध्ये शेवटपर्यंत भाग घेतला. त्यांना एकाच वेळी सर्वकाही कव्हर करायचे होते: मशीन लर्निंग, डेव्हलपमेंट, अॅप्लिकेशन आणि वेबसाइट. शेवटच्या क्षणी आम्ही त्यांना माघार घेण्याची धमकी देईपर्यंत, त्यांचा असा विश्वास होता की ते सर्व काही वेळेत करत आहेत, जरी दुसर्‍या चेकपॉईंटवर आधीच हे स्पष्ट होते की मुख्य गोष्ट - मशीन लर्निंग - ते लक्षणीय प्रगती करू शकले नाहीत: त्यांनी सामान्यतः सामना केला. दुसरा ब्लॉक, पण वीज वापराचा अंदाज बांधता आला नाही. परिणामी, जेव्हा आम्ही प्रथम पात्रतेसाठी किमान कार्य निश्चित केले, तरीही त्यांनी दुसरा ट्रॅक निवडला.

Fit-predict मध्ये डेटा विश्लेषणासाठी तयार केलेली संतुलित रचना होती, त्यामुळे ते सर्व गोष्टींवर मात करण्यास सक्षम होते. हे लक्षात घेण्यासारखे होते की मुलांना वास्तविक औद्योगिक डेटा "स्पर्श" करण्यात रस होता. त्यांनी ताबडतोब मुख्य गोष्टीवर लक्ष केंद्रित केले: विश्लेषण करणे, डेटा साफ करणे, प्रत्येक विसंगती हाताळणे. हॅकाथॉन दरम्यान ते कार्यरत मॉडेल तयार करू शकले ही एक मोठी उपलब्धी आहे. कामकाजाच्या सरावात, यास सहसा आठवडे लागतात: डेटा साफ केला जात असताना, ते त्यात शोधत असताना. त्यामुळे त्यांच्यासोबत आम्ही नक्कीच काम करू.

दुस-या ट्रॅकमध्ये (व्यवस्थापन), आम्ही प्रत्येकाने अर्ध्या दिवसात सर्वकाही करणे अपेक्षित होते आणि काम अधिक कठीण करण्यासाठी विचारले. सराव मध्ये, आमच्याकडे मूलभूत कार्य पूर्ण करण्यासाठी क्वचितच वेळ होता. आम्ही JS आणि Python वर काम केले, जे उद्योगाची सद्यस्थिती दर्शवते.

येथे देखील, परिणाम सुसंघटित संघांद्वारे प्राप्त झाले ज्यामध्ये श्रमांचे विभाजन तयार केले गेले होते, हे स्पष्ट होते की कोण काय करत आहे.

तिसरी टीम, FSociety ला एक उपाय आहे असे वाटले, परंतु शेवटी त्यांनी त्यांचा विकास न दाखवण्याचा निर्णय घेतला, ते म्हणाले की त्यांनी ते काम करण्याचा विचार केला नाही. आम्ही याचा आदर करतो आणि वाद घालत नाही.

विजेता "बाकू मधील स्ट्रिपर्स" संघ होता, जो स्वतःला थांबवू शकला, "ट्रिंकेट्स" चा पाठलाग करू शकला नाही, परंतु एक MVP तयार करण्यात सक्षम होता जो दर्शविण्यास लाज वाटत नाही आणि जे स्पष्ट आहे की ते आणखी विकसित आणि स्केल केले जाऊ शकते. आम्ही त्यांना ताबडतोब सांगितले की आम्हाला अतिरिक्त संधींमध्ये रस नाही. जर त्यांना क्यूआर कोड, फेशियल रेकग्निशन द्वारे नोंदणी हवी असेल, तर त्यांना प्रथम ऍप्लिकेशनमध्ये आलेख बनवू द्या आणि नंतर पर्यायी पर्याय घेऊ द्या.

या ट्रॅकमध्ये, “ओल्या केसांनी” आत्मविश्वासाने अंतिम फेरीत प्रवेश केला आणि आम्ही त्यांच्या आणि “हस्टलर्स” यांच्याशी पुढील सहकार्याबद्दल चर्चा केली. नवीन वर्षात आम्ही आधीच भेटलो आहोत.

मला आशा आहे की सर्वकाही कार्य करेल आणि आम्ही मार्चमधील दुसऱ्या हॅकाथॉनमध्ये सर्वांना पाहण्यास उत्सुक आहोत!

स्त्रोत: www.habr.com