Disember lalu, kami mengadakan hackathon permulaan kami sendiri dengan enam syarikat Skolkovo yang lain. Tanpa penaja korporat atau sebarang sokongan luar, kami mengumpulkan dua ratus peserta dari 20 bandar di Rusia melalui usaha komuniti pengaturcaraan. Di bawah ini saya akan memberitahu anda bagaimana kami berjaya, apakah masalah yang kami hadapi sepanjang perjalanan, dan sebab kami segera mula bekerjasama dengan salah satu pasukan yang menang.
Antara muka aplikasi yang mengawal modul Bateri Watts daripada finalis trek, "Rambut Basah"
syarikat
Syarikat kami Watts Battery mencipta stesen janakuasa mudah alih modular. Produk ini adalah stesen janakuasa mudah alih 46x36x11 cm, mampu menghantar dari 1,5 hingga 15 kilowatt sejam. Empat modul sedemikian boleh menyediakan penggunaan tenaga sebuah rumah desa kecil selama dua hari.
Walaupun kami mula menghantar sampel pengeluaran tahun lepas, oleh semua akaun Watts Battery adalah permulaan. Syarikat itu diasaskan pada 2016 dan sejak tahun yang sama telah menjadi pemastautin Kluster Teknologi Cekap Tenaga Skolkovo. Hari ini kami mempunyai 15 pekerja dan banyak perkara yang tertunggak yang kami ingin lakukan pada satu peringkat, tetapi sekarang tidak ada masa untuk itu.
Ini juga termasuk tugas perisian semata-mata. kenapa?
Tugas utama modul ini adalah untuk menyediakan bekalan tenaga yang tidak terganggu dan seimbang pada kos yang optimum. Jika anda mengalami gangguan bekalan elektrik atas sebab di luar kawalan anda, anda harus sentiasa mempunyai rizab untuk membekalkan kuasa sepenuhnya kepada beban rangkaian yang diperlukan untuk tempoh gangguan tersebut. Dan apabila bekalan kuasa baik, anda boleh menggunakan tenaga solar untuk menjimatkan wang.
Pilihan paling mudah ialah anda boleh mengecas bateri dari matahari pada waktu siang dan menggunakannya pada waktu petang, tetapi tepat pada tahap yang diperlukan supaya sekiranya berlaku pemadaman, anda tidak dibiarkan tanpa bekalan elektrik. Jadi, anda tidak akan mendapati diri anda berada dalam situasi di mana anda menyalakan lampu daripada bateri sepanjang petang (kerana ia lebih murah), tetapi pada waktu malam elektrik terputus dan peti sejuk anda dinyahbeku.
Adalah jelas bahawa seseorang jarang dapat meramalkan dengan tepat jumlah tenaga elektrik yang diperlukannya, tetapi sistem yang dilengkapi dengan model ramalan boleh. Oleh itu, pembelajaran mesin adalah salah satu bidang keutamaan kami. Cuma pada masa ini kami menumpukan pada pembangunan perkakasan dan tidak dapat memperuntukkan sumber yang mencukupi untuk tugasan ini, itulah yang membawa kami ke Hackathon Permulaan.
Penyediaan, data, infrastruktur
Hasilnya, kami mengambil dua landasan: analisis data dan sistem pengurusan. Sebagai tambahan kepada kami, terdapat tujuh lagi trek daripada rakan sekerja.
Walaupun format hackathon tidak ditentukan, kami berfikir untuk mencipta "suasana kami sendiri", dengan sistem mata: peserta melakukan beberapa perkara yang kelihatan sukar dan menarik bagi kami, menerima mata untuknya. Kami mempunyai banyak tugas. Tetapi semasa kami membina struktur hackathon, penganjur lain meminta untuk membawa segala-galanya kepada bentuk biasa, yang kami lakukan.
Kemudian kami datang ke skema berikut: lelaki membuat model berdasarkan data mereka, kemudian mereka menerima data kami, yang model tidak pernah dilihat sebelum ini, ia belajar dan mula meramalkan. Diandaikan bahawa semua ini boleh dilakukan dalam masa 48 jam, tetapi bagi kami ini adalah hackathon pertama pada data kami, dan kami mungkin telah terlalu menganggarkan sumber masa atau tahap kesediaan data. Di hackathon pembelajaran mesin khusus, garis masa seperti itu akan menjadi kebiasaan, tetapi kami tidak seperti itu.
Kami memunggah perisian dan perkakasan modul sebanyak mungkin, dan membuat versi peranti kami khusus untuk hackathon, dengan antara muka dalaman yang sangat mudah dan mudah difahami yang boleh disokong oleh mana-mana pembangun.
Untuk trek berdasarkan sistem kawalan, terdapat pilihan untuk membuat aplikasi mudah alih. Untuk mengelakkan peserta daripada memerah otak mereka tentang rupa yang sepatutnya dan membuang masa tambahan, kami memberi mereka reka bentuk reka bentuk aplikasi, sangat ringan, supaya mereka yang menginginkannya boleh "meregangkan" fungsi yang mereka perlukan padanya . Sejujurnya, kami tidak menjangkakan sebarang dilema moral di sini, tetapi salah satu pasukan mengambilnya sedemikian rupa sehingga kami mengehadkan penerbangan mereka, kami mahu mendapatkan penyelesaian siap sedia secara percuma, dan bukan mengujinya dalam latihan. Dan mereka berlepas.
Pasukan lain memilih untuk membuat aplikasi yang sama sekali berbeza dari awal, dan semuanya berjaya. Kami tidak menegaskan bahawa aplikasi itu betul-betul seperti ini, kami hanya memerlukannya untuk mengandungi beberapa elemen yang menunjukkan tahap teknikal penyelesaian: graf, analitik, dsb. Susun atur reka bentuk yang telah siap juga merupakan petunjuk.
Memandangkan menganalisis modul Bateri Watts secara langsung di hackathon akan menjadi terlalu memakan masa, kami memberikan peserta sekeping data siap sedia selama sebulan yang diambil daripada modul sebenar pelanggan kami (yang kami namakan dengan berhati-hati sebelum ini). Memandangkan ia adalah bulan Jun, tiada apa-apa untuk memasukkan perubahan bermusim ke dalam analisis. Tetapi pada masa hadapan kami akan menambah data luaran kepada mereka, seperti ciri bermusim dan iklim (hari ini ini adalah standard industri).
Kami tidak mahu mencipta jangkaan yang tidak realistik di kalangan peserta, jadi dalam pengumuman hackathon kami secara langsung berkata: kerja itu akan sedekat mungkin dengan kerja lapangan: data yang bising, kotor, yang tidak disediakan oleh sesiapa pun. Tetapi ini juga mempunyai sisi positif: dalam semangat tangkas, kami sentiasa berhubung dengan peserta, dan segera membuat perubahan pada tugas dan syarat kemasukan (lebih lanjut mengenai perkara ini di bawah).
Di samping itu, kami memberi peserta akses kepada Amazon AWS (secara aktif sehingga Amazon menyekat satu rantau untuk kami, kami akan memikirkan apa yang perlu dilakukan mengenainya). Di sana anda boleh menggunakan infrastruktur untuk Internet Perkara dan, berdasarkan templat Amazon yang mudah sekalipun, mencipta penyelesaian lengkap dalam masa sehari. Tetapi pada akhirnya, semua orang pergi dengan cara mereka sendiri, melakukan segala-galanya sendiri secara maksimum. Pada masa yang sama, ada yang berjaya memenuhi had masa, yang lain tidak. Satu pasukan, Nubble, menggunakan Yandex.cloud, seseorang membangkitkannya pada pengehosan mereka. Kami juga bersedia untuk memberikan domain (kami telah mendaftarkan domain), tetapi ia tidak berguna.
Untuk menentukan pemenang dalam landasan analisis, kami merancang untuk membandingkan keputusan, yang mana kami menyediakan metrik berangka. Tetapi pada akhirnya ia tidak perlu melakukan ini, kerana atas pelbagai sebab tiga daripada empat peserta tidak mencapai final.
Bagi infrastruktur isi rumah, Skolkovo Technopark membantu di sini dengan menyediakan kami (percuma) dengan salah satu bilik modular yang selesa dengan dinding video untuk pembentangan dan beberapa bilik yang lebih kecil untuk kawasan rekreasi dan untuk mengatur katering.
Analytics
Petugas: sistem pembelajaran kendiri yang mengenal pasti anomali dalam penggunaan dan operasi modul berdasarkan data kawalan. Kami sengaja mengekalkan kata-kata itu seumum mungkin supaya peserta boleh bekerjasama dengan kami untuk memikirkan apa yang boleh dilakukan berdasarkan data yang ada.
Kekhususan: Lebih kompleks daripada dua trek. Data industri mempunyai beberapa perbezaan daripada data dalam sistem tertutup (contohnya, pemasaran digital). Di sini anda perlu memahami sifat fizikal parameter yang anda cuba analisis; melihat segala-galanya sebagai siri nombor abstrak tidak akan berfungsi. Contohnya, pengagihan penggunaan tenaga elektrik sepanjang hari. Ia seperti ritual: pencukur elektrik dihidupkan pada waktu pagi pada hari bekerja, dan pengadun dihidupkan pada hujung minggu. Kemudian intipati anomali itu sendiri. Dan jangan lupa bahawa Bateri Watts bertujuan untuk kegunaan peribadi, jadi setiap pelanggan akan mempunyai ritual mereka sendiri, dan satu model universal tidak akan berfungsi. Mencari anomali yang diketahui dalam data bukanlah satu tugas; mencipta sistem yang secara autonomi mencari anomali tidak berlabel adalah perkara lain. Lagipun, apa sahaja boleh menjadi anomali, termasuk faktor manusia yang berbahaya. Sebagai contoh, dalam data ujian kami terdapat kes di mana sistem telah dipaksa oleh pengguna ke dalam mod bateri. Tanpa sebarang sebab, pengguna kadangkala melakukan ini (saya akan membuat tempahan bahawa pengguna ini sedang menguji modul untuk kami dan atas sebab inilah dia mempunyai akses kepada kawalan manual mod; untuk pengguna lain kawalan adalah automatik sepenuhnya). Seperti yang mudah diramalkan, dalam keadaan sedemikian bateri dinyahcas dengan agak aktif, dan jika bebannya besar, cas akan tamat sebelum matahari terbit atau sumber tenaga lain muncul. Dalam kes sedemikian, kami menjangkakan untuk melihat beberapa jenis pemberitahuan bahawa tingkah laku sistem telah menyimpang daripada yang biasa. Atau orang itu pergi dan terlupa untuk mematikan ketuhar. Sistem ini melihat bahawa biasanya pada masa ini penggunaan adalah 500 watt, tetapi hari ini - 3,5 ribu - anomali! Seperti Denis Matsuev di dalam pesawat: "Saya tidak faham apa-apa tentang enjin pesawat, tetapi dalam perjalanan ke sana bunyi enjinnya berbeza."
Graf model ramalan pada rangkaian saraf sumber terbuka Yandex CatBoost
Apa yang syarikat perlukan sebenarnya?: sistem diagnostik kendiri di dalam peranti, analitik ramalan, termasuk tanpa infrastruktur rangkaian (seperti yang ditunjukkan oleh amalan, tidak semua pelanggan kami tergesa-gesa untuk menyambungkan bateri ke Internet - untuk kebanyakan, ia cukup untuk semuanya berfungsi dengan pasti), pengenalpastian anomali, sifat yang belum kita ketahui , sistem pembelajaran kendiri tanpa guru, pengelompokan, rangkaian saraf dan keseluruhan senjata kaedah analisis moden. Kita perlu memahami bahawa sistem mula berkelakuan berbeza, walaupun kita tidak tahu apa sebenarnya yang telah berubah. Pada hackathon itu sendiri, adalah sangat penting bagi kami untuk melihat bahawa terdapat lelaki yang bersedia untuk melangkah ke analisis industri atau sudah pun berada di dalamnya, dan mereka sedang mencari kawasan baharu untuk menggunakan kebolehan mereka. Pada mulanya saya terkejut bahawa terdapat begitu ramai pemohon: lagipun, ini adalah masakan yang sangat khusus, tetapi secara beransur-ansur semua kecuali satu daripada empat peserta tercicir, jadi sedikit sebanyak semuanya jatuh ke tempatnya.
Mengapa ia tidak boleh dilaksanakan pada peringkat ini?: Masalah utama dengan tugas perlombongan data ialah data tidak mencukupi. Terdapat beberapa dozen peranti Bateri Watt yang beroperasi di seluruh dunia hari ini, tetapi kebanyakannya tidak disambungkan ke rangkaian, jadi data kami masih belum begitu pelbagai. Kami hampir tidak mengikis dua anomali - dan ia berlaku pada prototaip; Bateri Watts industri berfungsi dengan agak stabil. Jika kami mempunyai jurutera pembelajaran mesin dalaman, dan kami tahu - ya, ini boleh dikeluarkan daripada data ini, tetapi kami mahu mendapatkan kualiti ramalan yang lebih baik - ia akan menjadi satu cerita. Tetapi sehingga ke tahap ini kami tidak melakukan apa-apa dengan data ini. Di samping itu, ini memerlukan penyertaan mendalam peserta dalam spesifik operasi produk kami; satu setengah hari tidak mencukupi untuk ini.
Bagaimana anda membuat keputusan?: Mereka tidak segera menetapkan tugas akhir yang tepat. Sebaliknya, sepanjang 48 jam, kami berdialog dengan para peserta, dengan segera mengetahui apa yang mereka dapat dan apa yang mereka tidak dapat. Berdasarkan ini, atas semangat kompromi, tugas itu telah dimuktamadkan.
Apa yang anda dapat sebagai hasilnya?: pemenang trek dapat membersihkan data (pada masa yang sama mereka menemui "ciri" mengira beberapa parameter yang kami sendiri tidak perasan sebelum ini, kerana kami tidak menggunakan beberapa data untuk menyelesaikan masalah kami) , serlahkan sisihan daripada gelagat jangkaan modul Bateri Watts, dan sediakan model ramalan yang mampu meramal penggunaan tenaga dengan tahap ketepatan yang tinggi. Ya, ini hanyalah peringkat kebolehlaksanaan untuk membangunkan penyelesaian perindustrian; maka kerja teknikal yang teliti selama berminggu-minggu akan diperlukan, tetapi prototaip ini, yang dicipta secara langsung semasa hackathon, boleh menjadi asas kepada penyelesaian perindustrian sebenar, yang jarang berlaku.
kesimpulan utama: Berdasarkan data yang kami ada, adalah mungkin untuk menyediakan analisis ramalan, kami menganggap ini, tetapi tidak mempunyai sumber untuk menyemak. Peserta hackathon menguji dan mengesahkan hipotesis kami, dan kami akan terus bekerjasama dengan pemenang trek dalam tugas ini.
Graf model ramalan pada rangkaian saraf sumber terbuka Facebook Nabi
Nasihat untuk masa hadapan: semasa membuat tugasan, anda perlu melihat bukan sahaja pada pelan hala tuju pengeluaran anda, tetapi juga pada minat peserta. Memandangkan hackathon kami tidak mempunyai hadiah wang tunai, kami memainkan rasa ingin tahu semula jadi saintis data dan keinginan untuk menyelesaikan masalah baharu yang menarik yang belum ada sesiapa pun yang menunjukkan apa-apa atau di mana mereka boleh menunjukkan diri mereka lebih baik daripada hasil sedia ada. Jika anda segera mengambil kira faktor minat, anda tidak perlu mengalihkan tumpuan anda sepanjang perjalanan.
Π£ΠΏΡΠ°Π²Π»Π΅Π½ΠΈΠ΅
Petugas: (aplikasi) yang menguruskan rangkaian modul Bateri Watts, dengan akaun peribadi, penyimpanan data dalam awan dan pemantauan status.
Kekhususan: dalam trek ini kami tidak mencari penyelesaian teknikal baharu; kami, sudah tentu, mempunyai antara muka pengguna kami sendiri. Kami memilihnya untuk hackathon untuk menunjukkan keupayaan sistem kami, menyelaminya dan menyemak sama ada komuniti berminat dengan topik pembangunan untuk sistem pintar dan tenaga alternatif. Kami meletakkan aplikasi mudah alih sebagai pilihan; anda boleh melakukannya atau tidak melakukannya mengikut budi bicara anda. Tetapi pada pendapat kami, ia menunjukkan dengan baik bagaimana orang berjaya mengatur storan data dalam awan, dengan akses daripada beberapa sumber berbeza sekaligus.
Apa yang syarikat perlukan sebenarnya?: komuniti pembangun yang akan menghasilkan idea perniagaan, menguji hipotesis dan mencipta alat kerja untuk pelaksanaannya.
Mengapa ia tidak boleh dilaksanakan pada peringkat ini?: Jumlah pasaran masih terlalu kecil untuk pembentukan organik komuniti sedemikian.
Bagaimana anda membuat keputusan?: Sebagai sebahagian daripada hackathon, kami menjalankan sejenis kajian fizikal untuk melihat sama ada mungkin untuk menghasilkan bukan sahaja ciri, tetapi model perniagaan lengkap di sekitar produk kami yang sangat khusus. Lebih-lebih lagi, agar orang yang mampu melaksanakan prototaip untuk melakukan ini, selepas semua, di sini - saya tidak mahu menyinggung perasaan sesiapa - ini bukan tahap pengaturcaraan LED berkelip pada Arduino (walaupun ini boleh dilakukan dengan inovasi) , kemahiran yang agak khusus diperlukan di sini: pembangunan sistem backend dan frontend, pemahaman tentang prinsip membina sistem Internet of Things berskala.
Apa yang anda dapat sebagai hasilnya?: dua pasukan mencadangkan idea perniagaan sepenuhnya untuk kerja mereka: satu lebih menumpukan pada segmen Rusia, satu lagi pada segmen asing. Iaitu, pada peringkat akhir mereka tidak hanya memberitahu bagaimana mereka menghasilkan aplikasi itu, tetapi pada dasarnya datang untuk menjalankan perniagaan di sekitar Watts. Lelaki itu menggariskan bagaimana mereka melihat penggunaan Watt dalam beberapa model perniagaan, dengan syarat statistik, menunjukkan wilayah mana yang mempunyai masalah apa, undang-undang yang diterima pakai di mana, menggariskan trend global: tidak bergaya untuk melombong bitcoin, ia bergaya untuk melombong kilowatt. Mereka sengaja datang ke tenaga alternatif, yang kami sangat suka. Hakikat bahawa para peserta, sebagai tambahan kepada ini, dapat mencipta penyelesaian teknikal yang berfungsi menunjukkan bahawa mereka boleh melancarkan permulaan secara bebas.
kesimpulan utama: Terdapat pasukan bersedia untuk mengambil Bateri Watts sebagai asas model perniagaan mereka, membangunkannya, dan menjadi rakan kongsi/sahabat syarikat. Sesetengah daripada mereka juga tahu cara mengenal pasti MVP idea perniagaan dan mengusahakannya terlebih dahulu, sesuatu yang kurang di mana-mana dalam industri hari ini. Orang ramai tidak faham bila untuk berhenti, bila untuk mengeluarkan penyelesaian kepada pasaran, walaupun awal, tetapi berfungsi. Malah, peringkat menggilap penyelesaian selalunya tidak berakhir, secara teknikal penyelesaian itu melintasi garis kerumitan yang munasabah, ia memasuki pasaran dengan beban berlebihan, tidak lagi jelas apa idea asalnya, apakah sasaran pelanggan, apakah model perniagaan disertakan. Seperti dalam jenaka tentang Akunin, yang menulis buku lain sambil menandatangani buku sebelumnya untuk seseorang. Tetapi di sini ia dilakukan dalam bentuk yang paling tulen: ini adalah carta, ini adalah kaunter, ini adalah penunjuk, ini adalah ramalan - itu sahaja, tiada apa-apa lagi yang diperlukan untuk menjalankannya. Dengan ini, anda boleh pergi ke pelabur dan menerima wang untuk memulakan perniagaan. Mereka yang menemui keseimbangan ini keluar dari landasan sebagai pemenang.
Nasihat untuk masa hadapan: pada hackathon seterusnya (kami merancangnya ), mungkin masuk akal untuk bereksperimen dengan perkakasan. Kami mempunyai pembangunan perkakasan kami sendiri (salah satu kelebihan Watts), kami mengawal sepenuhnya pengeluaran dan ujian semua yang kami lakukan, tetapi kami tidak mempunyai sumber yang mencukupi untuk menguji beberapa hipotesis "perkakasan". Mungkin dalam komuniti sistem dan pengaturcara peringkat rendah dan pembangun perkakasan terdapat mereka yang akan membantu kami dengan ini dan pada masa hadapan akan menjadi rakan kongsi kami dalam bidang ini.
Orang
Pada hackathon itu, kami menjangkakan mereka yang ingin mencuba sendiri dalam bidang baharu (contohnya, graduan pelbagai sekolah pengaturcaraan) dan bukannya mereka yang pakar dalam pembangunan seperti ini. Namun begitu, kami menjangkakan bahawa sebelum hackathon mereka akan melakukan sedikit kerja persediaan, baca tentang cara penggunaan tenaga diramalkan secara umum dan cara sistem Internet of Things berfungsi. Supaya semua orang datang bukan sahaja untuk berseronok, mencari data dan tugasan yang menarik, tetapi juga dengan rendaman awal dalam bidang subjek. Bagi pihak kami, kami memahami bahawa untuk ini adalah perlu untuk menerbitkan lebih awal data yang tersedia, penerangannya dan keperluan yang lebih tepat untuk hasilnya, menerbitkan modul API, dsb.
Setiap orang mempunyai tahap teknologi yang hampir sama, tambah atau tolak keupayaan yang sama. Dengan latar belakang ini, tahap keharmonian bukanlah faktor terakhir. Sebilangan pasukan tidak menembak kerana mereka tidak dapat membahagikan diri mereka dengan jelas ke dalam bidang kerja. Ada juga di mana seorang melakukan semua pembangunan, yang lain sibuk menyediakan pembentangan, yang lain, seseorang diberi tugas yang mereka lakukan, mungkin buat pertama kali dalam hidup mereka.
Kebanyakan peserta adalah muda, ini tidak bermakna tiada jurutera dan pembangun pembelajaran mesin yang kuat di kalangan mereka. Kebanyakan datang dalam pasukan; hampir tiada individu. Semua orang bermimpi untuk menang, seseorang ingin mencari pekerjaan pada masa akan datang, kira-kira 20% telah menemui satu, saya fikir angka ini akan berkembang.
Kami tidak mempunyai ahli perkakasan yang mencukupi, tetapi kami berharap dapat menebusnya pada hackathon kedua.
Kemajuan Hackathon
Seperti yang saya tulis di atas, kami bersama para peserta sepanjang 48 jam hackathon dan, memantau kejayaan mereka di pusat pemeriksaan, cuba menyesuaikan tugas dan syarat untuk menerima landasan analisis yang pertama supaya, di satu pihak, peserta boleh menyelesaikannya dalam masa yang tinggal, dan sebaliknya, ia menarik minat kami.
Penjelasan terakhir kepada tugas itu dibuat di sekitar pusat pemeriksaan terakhir, pada petang Sabtu (final dijadualkan pada petang Ahad). Kami memudahkan segala-galanya sedikit lagi: kami mengalih keluar keperluan untuk mengira semula model pada data baharu, meninggalkan data yang telah digunakan oleh pasukan itu. Membandingkan metrik tidak lagi memberi kami apa-apa, mereka sudah mempunyai hasil sedia dibuat berdasarkan data yang tersedia, dan menjelang hari kedua mereka sudah letih. Oleh itu, kami memutuskan untuk menyeksa mereka kurang.
Bagaimanapun, tiga daripada empat peserta tidak ke peringkat akhir. Satu pasukan sudah menyedari pada mulanya bahawa mereka lebih berminat dengan jejak rakan sekerja kami, yang lain, sebelum perlawanan akhir, menyedari bahawa semasa proses pemprosesan mereka telah menapis data yang diperlukan lebih awal dan enggan membentangkan kerja mereka.
Pasukan "21 (Kesan Rambut Basah)" mengambil bahagian dalam kedua-dua trek kami sehingga akhir. Mereka mahu merangkumi segala-galanya sekaligus: pembelajaran mesin, pembangunan, aplikasi dan tapak web. Sehingga kami mengancam mereka untuk menarik diri pada saat terakhir, mereka percaya bahawa mereka melakukan segala-galanya tepat pada masanya, walaupun sudah di pusat pemeriksaan kedua adalah jelas bahawa dengan perkara utama - pembelajaran mesin - mereka tidak dapat membuat kemajuan yang ketara: mereka secara amnya mengatasi blok kedua, tetapi tidak dapat meramalkan penggunaan elektrik tidak siap. Akibatnya, apabila kami menentukan tugas minimum untuk melayakkan diri untuk yang pertama, mereka masih memilih trek kedua.
Fit-predict mempunyai komposisi seimbang yang disesuaikan untuk analitis data, jadi mereka dapat mengatasi segala-galanya. Adalah ketara bahawa lelaki itu berminat untuk "menyentuh" ββdata industri sebenar. Mereka segera menumpukan perhatian kepada perkara utama: menganalisis, membersihkan data, menangani setiap anomali. Hakikat bahawa mereka dapat membina model yang berfungsi semasa hackathon adalah satu pencapaian yang hebat. Dalam amalan kerja, ini biasanya mengambil masa berminggu-minggu: semasa data sedang dibersihkan, semasa mereka menyelidikinya. Oleh itu, kami pasti akan bekerjasama dengan mereka.
Dalam trek kedua (pengurusan), kami menjangka semua orang melakukan segala-galanya dalam masa setengah hari dan datang meminta untuk menyukarkan tugas. Dalam amalan, kami hampir tidak mempunyai masa untuk menyelesaikan tugas asas. Kami bekerja pada JS dan Python, yang mencerminkan keadaan semasa industri.
Di sini juga, keputusan dicapai oleh pasukan yang diselaraskan dengan baik di mana pembahagian kerja dibina, jelas siapa yang melakukan apa.
Pasukan ketiga, FSociety, nampaknya mempunyai penyelesaian, tetapi akhirnya mereka memutuskan untuk tidak menunjukkan perkembangan mereka, mereka mengatakan bahawa mereka tidak menganggapnya berkesan. Kami menghormati ini dan tidak membantah.
Pemenangnya ialah pasukan "Strippers dari Baku", yang dapat menghentikan dirinya, bukan untuk mengejar "perhiasan", tetapi untuk mencipta MVP yang tidak malu untuk ditunjukkan dan yang jelas bahawa ia boleh dikembangkan dan ditingkatkan lagi. Kami segera memberitahu mereka bahawa kami tidak terlalu berminat dengan peluang tambahan. Jika mereka mahu pendaftaran melalui kod QR, pengecaman muka, biarkan mereka membuat graf dalam aplikasi dahulu, dan kemudian mengambil yang pilihan.
Dalam trek ini, "Rambut Basah" dengan yakin memasuki perlawanan akhir, dan kami membincangkan kerjasama selanjutnya dengan mereka dan "Hustlers." Kami telah pun bertemu yang terakhir pada tahun baru.
Saya harap semuanya berjaya, dan kami tidak sabar untuk melihat semua orang di hackathon kedua pada bulan Mac!
Sumber: www.habr.com