నా పేరు సాషా మరియు నేను మెషిన్ లెర్నింగ్తో పాటు ప్రజలకు బోధించడం కూడా ఇష్టపడతాను. ఇప్పుడు నేను కంప్యూటర్ సైన్స్ సెంటర్లో విద్యా కార్యక్రమాలను పర్యవేక్షిస్తాను మరియు సెయింట్ పీటర్స్బర్గ్ స్టేట్ యూనివర్శిటీలో డేటా విశ్లేషణలో బ్యాచిలర్ ప్రోగ్రామ్ను నిర్దేశిస్తాను. దీనికి ముందు, అతను యాండెక్స్లో విశ్లేషకుడిగా పనిచేశాడు మరియు అంతకుముందు శాస్త్రవేత్తగా కూడా పనిచేశాడు: అతను SB RAS యొక్క ఇన్స్టిట్యూట్ ఆఫ్ కంప్యూటర్ సైన్స్లో గణిత మోడలింగ్లో నిమగ్నమై ఉన్నాడు.
ఈ పోస్ట్లో విద్యార్థులు, నోవోసిబిర్స్క్ స్టేట్ యూనివర్శిటీ గ్రాడ్యుయేట్లు మరియు ప్రతి ఒక్కరికీ మెషిన్ లెర్నింగ్ శిక్షణను ప్రారంభించే ఆలోచన ఏమిటో నేను మీకు చెప్పాలనుకుంటున్నాను.
Kaggle మరియు ఇతర ప్లాట్ఫారమ్లలో డేటా విశ్లేషణ పోటీలకు సిద్ధమయ్యే ప్రత్యేక కోర్సును నిర్వహించాలని నేను చాలా కాలంగా కోరుకుంటున్నాను. ఇది గొప్ప ఆలోచనగా అనిపించింది:
- విద్యార్థులు మరియు ఆసక్తి ఉన్న ఎవరైనా ఆచరణలో సైద్ధాంతిక పరిజ్ఞానాన్ని వర్తింపజేస్తారు మరియు బహిరంగ పోటీలలో సమస్యలను పరిష్కరించడంలో అనుభవాన్ని పొందుతారు.
- అటువంటి పోటీలలో అగ్రస్థానంలో ఉన్న విద్యార్థులు దరఖాస్తుదారులు, విద్యార్థులు మరియు గ్రాడ్యుయేట్లకు NSU యొక్క ఆకర్షణపై మంచి ప్రభావాన్ని చూపుతారు. స్పోర్ట్స్ ప్రోగ్రామింగ్ శిక్షణ విషయంలో కూడా అదే జరుగుతుంది.
- ఈ ప్రత్యేక కోర్సు ప్రాథమిక జ్ఞానాన్ని సంపూర్ణంగా పూర్తి చేస్తుంది మరియు విస్తరిస్తుంది: పాల్గొనేవారు స్వతంత్రంగా యంత్ర అభ్యాస నమూనాలను అమలు చేస్తారు మరియు తరచుగా ప్రపంచ స్థాయిలో పోటీపడే జట్లను ఏర్పరుస్తారు.
- ఇతర విశ్వవిద్యాలయాలు ఇప్పటికే ఇటువంటి శిక్షణను నిర్వహించాయి, కాబట్టి NSUలో ప్రత్యేక కోర్సు విజయవంతం కావాలని నేను ఆశించాను.
ప్రయోగ
నోవోసిబిర్స్క్ యొక్క అకాడెంగోరోడోక్ అటువంటి ప్రయత్నాలకు చాలా సారవంతమైన భూమిని కలిగి ఉంది: విద్యార్థులు, గ్రాడ్యుయేట్లు మరియు కంప్యూటర్ సైన్స్ సెంటర్ ఉపాధ్యాయులు మరియు బలమైన సాంకేతిక అధ్యాపకులు, ఉదాహరణకు, FIT, MMF, FF, NSU పరిపాలన యొక్క బలమైన మద్దతు, క్రియాశీల ODS సంఘం, అనుభవజ్ఞులైన ఇంజనీర్లు మరియు వివిధ IT కంపెనీల విశ్లేషకులు. దాదాపు అదే సమయంలో, మేము మంజూరు కార్యక్రమం గురించి తెలుసుకున్నాము
మేము వారపు సమావేశాల కోసం NSUలో ప్రేక్షకులను కనుగొన్నాము, టెలిగ్రామ్లో చాట్ని సృష్టించాము మరియు CS సెంటర్లోని విద్యార్థులు మరియు గ్రాడ్యుయేట్లతో కలిసి అక్టోబర్ 1న ప్రారంభించాము. మొదటి పాఠానికి 19 మంది వచ్చారు. వీరిలో ఆరుగురు శిక్షణలో నిత్యం పాల్గొనేవారు. మొత్తంగా విద్యాసంవత్సరంలో ఒక్కసారైనా 31 మంది సమావేశానికి వచ్చారు.
మొదటి ఫలితాలు
అబ్బాయిలు మరియు నేను కలుసుకున్నాము, అనుభవాలను మార్పిడి చేసుకున్నాము, పోటీలు మరియు భవిష్యత్తు కోసం ఒక కఠినమైన ప్రణాళికను చర్చించాము. డేటా విశ్లేషణ పోటీలలో స్థలాల కోసం పోరాడడం అనేది సాధారణమైన, శ్రమతో కూడుకున్న పని, చెల్లించని పూర్తి-సమయం పని, కానీ చాలా ఆసక్తికరమైన మరియు ఉత్తేజకరమైన పని అని చాలా త్వరగా మేము గ్రహించాము 🙂 పాల్గొనేవారిలో ఒకరైన కాగ్లే-మాస్టర్ మాగ్జిమ్, మొదట వ్యక్తిగతంగా పోటీలలో ముందుకు సాగాలని మాకు సలహా ఇచ్చారు. , మరియు కొన్ని వారాల తర్వాత పబ్లిక్ స్కోర్ను పరిగణనలోకి తీసుకుని జట్లుగా ఏకం అవుతారు. మేము చేసింది అదే! ముఖాముఖి శిక్షణ సమయంలో, మేము నమూనాలు, శాస్త్రీయ కథనాలు మరియు పైథాన్ లైబ్రరీల చిక్కులను చర్చించాము మరియు కలిసి సమస్యలను పరిష్కరించాము.
పతనం సెమిస్టర్ ఫలితాలు కాగ్లేలో జరిగిన రెండు పోటీలలో మూడు రజత పతకాలు:
ప్రత్యేక కోర్సు యొక్క మరొక చాలా ముఖ్యమైన పరోక్ష ఫలితం NSU VKI క్లస్టర్ యొక్క ప్రారంభం మరియు కాన్ఫిగరేషన్. దీని కంప్యూటింగ్ శక్తి మా పోటీ జీవితాన్ని గణనీయంగా మెరుగుపరిచింది: 40 CPUలు, 755Gb RAM, 8 NVIDIA Tesla V100 GPUలు.
దీనికి ముందు, మేము సాధ్యమైనంత ఉత్తమంగా జీవించాము: మేము వ్యక్తిగత ల్యాప్టాప్లు మరియు డెస్క్టాప్లపై, Google Colab మరియు Kaggle-kernelsలో లెక్కించాము. ఒక బృందం స్వీయ-వ్రాతపూర్వక స్క్రిప్ట్ను కూడా కలిగి ఉంది, అది మోడల్ను స్వయంచాలకంగా సేవ్ చేస్తుంది మరియు సమయ పరిమితి కారణంగా ఆగిపోయిన గణనను మళ్లీ ప్రారంభించింది.
వసంత సెమిస్టర్లో, మేము సేకరించడం, విజయవంతమైన ఫలితాలను మార్పిడి చేసుకోవడం మరియు పోటీకి మా పరిష్కారాల గురించి మాట్లాడటం కొనసాగించాము. కొత్త ఆసక్తిగల పాల్గొనేవారు మా వద్దకు రావడం ప్రారంభించారు. వసంత సెమిస్టర్లో, మేము కాగ్లేలో ఎనిమిది పోటీలలో ఒక స్వర్ణం, మూడు రజతాలు మరియు తొమ్మిది కాంస్యాలను సాధించగలిగాము:
శిక్షణలో పాల్గొనేవారు ఏమి చెబుతారు
"సైబీరియాలో ఇటువంటి కార్యకలాపాలు ఇక్కడ నిర్వహించబడుతున్నందుకు నేను చాలా సంతోషిస్తున్నాను, ఎందుకంటే పోటీలలో పాల్గొనడం MLలో నైపుణ్యం సాధించడానికి వేగవంతమైన మార్గం అని నేను నమ్ముతున్నాను. అటువంటి పోటీల కోసం, హార్డ్వేర్ మీరే కొనుగోలు చేయడం చాలా ఖరీదైనది, కానీ ఇక్కడ మీరు ఉచితంగా ఆలోచనలను ప్రయత్నించవచ్చు.
“ML శిక్షణ రాకముందు, నేను శిక్షణ మరియు హిందూ పోటీలను మినహాయించి పోటీలలో ప్రత్యేకంగా పాల్గొనలేదు: నాకు ML రంగంలో పని ఉంది మరియు నాకు దానితో పరిచయం ఉన్నందున నేను ఇందులో పాయింట్ను చూడలేదు. నేను విద్యార్థిగా హాజరైన మొదటి సెమిస్టర్. మరియు రెండవ సెమిస్టర్ నుండి, కంప్యూటింగ్ వనరులు అందుబాటులోకి వచ్చిన వెంటనే, నేను ఎందుకు పాల్గొనకూడదని అనుకున్నాను. మరియు అది నన్ను కట్టిపడేసింది. టాస్క్, డేటా మరియు మెట్రిక్లు కనుగొనబడ్డాయి మరియు మీ కోసం సిద్ధం చేయబడ్డాయి, ముందుకు సాగండి మరియు MO యొక్క పూర్తి శక్తిని ఉపయోగించండి, స్టేట్ ఆఫ్ ది ఆర్ట్ మోడల్లు మరియు టెక్నిక్లను తనిఖీ చేయండి. ఇది శిక్షణ కోసం మరియు ముఖ్యంగా కంప్యూటింగ్ వనరులు కాకపోతే, నేను త్వరలో పాల్గొనడం ప్రారంభించను."
“వ్యక్తిగతంగా ML శిక్షణ, మెషిన్ లెర్నింగ్ మరియు డేటా అనాలిసిస్ రంగంలో నా జ్ఞానాన్ని మరింతగా పెంచుకోగలిగిన వారితో సమాన ఆలోచనలు గల వ్యక్తులను కనుగొనడంలో నాకు సహాయపడింది. పోటీల అంశంపై స్వతంత్రంగా విశ్లేషించడానికి మరియు మునిగిపోవడానికి ఎక్కువ ఖాళీ సమయం లేని వారికి ఇది ఒక అద్భుతమైన ఎంపిక, కానీ ఇప్పటికీ టాపిక్లో ఉండాలనుకుంటున్నాను.
మాతో చేరండి
Kaggle మరియు ఇతర ప్లాట్ఫారమ్లపై పోటీలు ఆచరణాత్మక నైపుణ్యాలను మెరుగుపరుస్తాయి మరియు డేటా సైన్స్ రంగంలో త్వరగా ఆసక్తికరమైన పనిగా మారుస్తాయి. కలిసి కష్టమైన పోటీలో పాల్గొన్న వ్యక్తులు తరచుగా సహచరులుగా మారతారు మరియు పని సంబంధిత సమస్యలను విజయవంతంగా పరిష్కరించడం కొనసాగిస్తారు. ఇది మాకు కూడా జరిగింది: మిఖాయిల్ కార్చెవ్స్కీ, జట్టులోని ఒక స్నేహితుడితో కలిసి, సిఫారసు వ్యవస్థపై అదే కంపెనీకి పని చేయడానికి వెళ్ళాడు.
కాలక్రమేణా, మేము ఈ కార్యాచరణను శాస్త్రీయ ప్రచురణలతో మరియు మెషిన్ లెర్నింగ్ కాన్ఫరెన్స్లలో పాల్గొనడం ద్వారా విస్తరించాలని ప్లాన్ చేస్తున్నాము. నవోసిబిర్స్క్లో పాల్గొనేవారు లేదా నిపుణులుగా మాతో చేరండి - వ్రాయండి
మీ మొదటి అడుగులు వేయడంలో మీకు సహాయపడటానికి ఇక్కడ ఒక చిన్న చీట్ షీట్ ఉంది:
- సాధారణ తరగతులకు అనుకూలమైన స్థలం మరియు సమయాన్ని పరిగణించండి. సరైనది - వారానికి 1-2 సార్లు.
- మొదటి సమావేశం గురించి ఆసక్తిగల పాల్గొనేవారికి వ్రాయండి. అన్నింటిలో మొదటిది, వీరు సాంకేతిక విశ్వవిద్యాలయాల విద్యార్థులు, ODS పాల్గొనేవారు.
- కరెంట్ అఫైర్స్ గురించి చర్చించడానికి చాట్ని ప్రారంభించండి: టెలిగ్రామ్, VK, WhatsApp లేదా చాలా మందికి అనుకూలమైన ఏదైనా ఇతర మెసెంజర్.
- పబ్లిక్గా యాక్సెస్ చేయగల పాఠ్య ప్రణాళిక, పోటీలు మరియు పాల్గొనేవారి జాబితాను నిర్వహించండి మరియు ఫలితాలను పర్యవేక్షించండి.
- సమీపంలోని విశ్వవిద్యాలయాలు, పరిశోధనా సంస్థలు లేదా కంపెనీలలో ఉచిత కంప్యూటింగ్ పవర్ లేదా గ్రాంట్లను కనుగొనండి.
- లాభం!
మూలం: www.habr.com