Mijn naam is Sasha en ik hou van machine learning, evenals het onderwijzen van mensen. Momenteel coördineer ik educatieve programma's in het Computer Science centrum en leid ik de bacheloropleiding Data-analyse aan de SPbGU. Hiervoor werkte ik als analist bij Yandex, en daarvoor was ik wetenschapper: ik deed wiskundige modellering bij het IVT van de Russische Academie van Wetenschappen.
In deze post wil ik vertellen wat er is voortgekomen uit het idee om trainingen in machine learning op te zetten voor studenten, afgestudeerden van de Staatsuniversiteit van Novosibirsk en iedereen die geïnteresseerd is.
Ik wilde al een tijdje een speciale cursus organiseren ter voorbereiding op wedstrijden in Data-analyse op Kaggle en andere platforms. Het leek een uitstekend idee:
- Studenten en geïnteresseerden zullen hun theoretische kennis in de praktijk toepassen en ervaring opdoen in het oplossen van problemen tijdens openbare wedstrijden.
- Studenten die topposities innemen in dergelijke wedstrijden hebben een positieve invloed op de aantrekkelijkheid van de NSU voor toekomstige studenten, huidige studenten en afgestudeerden. Dit geldt ook voor trainingen in sportprogrammering.
- Zo'n speciale cursus vormt een uitstekende aanvulling op en uitbreiding van de fundamentele kennis: deelnemers implementeren zelfstandig machine learning-modellen en vormen vaak teams die concurreren op wereldniveau.
- In andere universiteiten zijn dergelijke trainingen al georganiseerd, dus ik hoopte op het succes van de speciale cursus aan de NSU.
Start
In Akademgorodok in Novosibirsk is er een vruchtbare bodem voor dergelijke initiatieven: studenten, afgestudeerden en docenten van het Computer Science centrum en sterke technische faculteiten, zoals FIT, MMF, FF, krachtige ondersteuning van de administratie van de NSU, een actief ODS-gemeenschap, ervaren ingenieurs en analisten van verschillende IT-bedrijven. Ongeveer in die tijd hoorden we over een subsidieprogramma van — het fonds ondersteunt teams die goede resultaten laten zien in competities in sportieve ML.
We vonden een ruimte aan de NSU voor wekelijkse bijeenkomsten, creëerden een chat in Telegram en zijn samen met studenten en afgestudeerden van het CS centrum gestart op 1 oktober. Bij de eerste les waren er 19 deelnemers. Zes van hen zijn vaste deelnemers aan de trainingen geworden. In totaal heeft 31 persoon minstens één keer deelgenomen aan een bijeenkomst gedurende het academisch jaar.
De eerste resultaten
Met de jongens hebben we elkaar leren kennen, ervaringen uitgewisseld, competities besproken en een globaal plan voor de toekomst doorgenomen. We realiseerden ons al snel dat strijden om plaatsen in data-analysem competities een regelmatige, uitputtende taak is, vergelijkbaar met een onbetaalde fulltimebaan, maar toch zeer interessant en boeiend 🙂 Een van de deelnemers, Kaggle-master Maxim, adviseerde ons eerst individueel aan competities deel te nemen en pas na enkele weken te teams te vormen, rekening houdend met de publieke score. Dat hebben we ook gedaan! Tijdens de persoonlijke trainingen bespraken we modellen, wetenschappelijke artikelen en nuances van Python-bibliotheken en losten we samen problemen op.
De resultaten van het herfstsemester waren drie zilveren medailles in twee competities op Kaggle: en . En een derde plaats in de CFT-competitie voor het corrigeren van typefouten met de eerste gewonnen prijs (in the money, zoals ervaren kegelaars zeggen).
Een ander zeer belangrijk indirect resultaat van de speciale cursus was de lancering en configuratie van het VKI-cluster van de NSU. De rekenkracht daarvan heeft ons competitieleven aanzienlijk verbeterd: 40 CPU's, 755Gb RAM, 8 NVIDIA Tesla V100 GPU's.
Voorheen overleefden we zo goed als we konden: we rekenden op persoonlijke laptops en desktops, in Google Colab en in Kaggle-kernels. Een team had zelfs een zelfgeschreven script dat automatisch het model opsloeg en de berekening herstartte als deze stopte door tijdslimieten.
In het lente-semester bleven we samenkomen, wisselden succesvolle ontdekkingen uit en vertelden over onze oplossingen voor competities. Nieuwe geïnteresseerde deelnemers kwamen bij ons. In het lente-semester hebben we al een gouden, drie zilveren en negen bronzen medailles behaald in acht competities op Kaggle: , , , , , en andere, brons in de , een derde plaats in de Changellenge>>Cup en een eerste plaats (weer in the money) in de machine learning competitie op van Yandex.
Wat de deelnemers aan de trainingen zeggen
«Ik ben erg blij dat dergelijke activiteiten bij ons in Siberië worden georganiseerd, omdat ik denk dat deelname aan competities de snelste manier is om ML te leren. Voor zulke competities is de hardware namelijk behoorlijk duur om zelf aan te schaffen, terwijl je hier ideeën gratis kunt uitproberen.»
«Voordat ik deelnam aan ml-trainingen, nam ik niet echt deel aan wedstrijden, behalve universitaire en Indiase competities: ik zag er geen zin in, omdat mijn werk op het gebied van machine learning was en ik er al bekend mee was. In het eerste semester was ik er gewoon als toehoorder. Maar vanaf het tweede semester, zodra er rekencapaciteit beschikbaar kwam, dacht ik: waarom niet meedoen? En het trok me meteen aan. De taak, gegevens en metrics waren al voor je bedacht en bereid, neem ze gewoon en gebruik de kracht van machine learning, test state-of-the-art modellen en technieken. Als het niet voor de trainingen was en, niet minder belangrijk, de rekencapaciteit, zou ik nog niet snel hebben deelgenomen.»
„De persoonlijke ML-trainingen hielpen me om gelijkgestemde mensen te vinden, met wie ik mijn kennis op het gebied van machine learning en data-analyse kon verdiepen. Het is ook een uitstekende optie voor degenen die niet veel vrije tijd hebben om concepten zelfstandig te bestuderen, maar toch op de hoogte willen blijven.“
Sluit je bij ons aan
Wedstrijden op Kaggle en andere platforms slijpen praktische vaardigheden en vertalen zich snel in interessante banen binnen data science. Mensen die samen aan een moeilijke wedstrijd hebben deelgenomen, worden vaak collega's en blijven succesvol werken aan daadwerkelijke taken. Dit is ook bij ons gebeurd: Mikhail Karchevski werkte samen met een vriend uit het team bij een bedrijf aan een aanbevelingssysteem.
In de toekomst zijn we van plan deze activiteit uit te breiden met wetenschappelijke publicaties en deelname aan conferenties over machine learning. Sluit je bij ons aan als deelnemers of experts in Novosibirsk — schrijf naar of . Organiseer soortgelijke trainingen in jouw steden en universiteiten.
Hier is een kleine checklist die helpt om je eerste stappen te zetten:
- Bedenk een geschikte plek en tijd voor regelmatige bijeenkomsten. Het is het beste — 1-2 keer per week.
- Informeer potentiële geïnteresseerde deelnemers over de eerste bijeenkomst. Dit zijn in de eerste plaats studenten van technische universiteiten, deelnemers aan ODS.
- Maak een chat aan voor het bespreken van lopende zaken: Telegram, VK, WhatsApp of een andere geschikte messenger.
- Houd een openbaar lesplan, een lijst met wedstrijden en deelnemers bij, en volg de resultaten.
- Zoek naar beschikbare rekenkracht of subsidies bij nabijgelegen universiteiten, onderzoeksinstituten of bedrijven.
- WINST!
Bron: habr.com
