Adım Sasha ve insanlara öğretmeyi sevdiğim kadar makine öğrenimini de seviyorum. Şu anda Bilgisayar Bilimleri Merkezi'ndeki eğitim programlarını denetliyorum ve St. Petersburg Devlet Üniversitesi'nde veri analizi alanında lisans derecesini yönetiyorum. Ondan önce Yandex'de analist olarak çalıştı ve hatta daha önce bir bilim adamı olarak çalıştı: SB RAS Bilgisayar Bilimleri Enstitüsü'nde matematiksel modelleme ile uğraştı.
Bu yazıda size Novosibirsk Devlet Üniversitesi öğrencileri, mezunları ve diğer herkes için makine öğrenimi eğitimini başlatma fikrinin nasıl ortaya çıktığını anlatmak istiyorum.
Uzun zamandır Kaggle ve diğer platformlarda veri analizi yarışmalarına hazırlık konusunda özel bir kurs düzenlemek istiyordum. Bu harika bir fikir gibi görünüyordu:
- Öğrenciler ve ilgilenen herkes teorik bilgileri pratikte uygulayacak ve halka açık yarışmalarda problem çözme konusunda deneyim kazanacaktır.
- Bu tür yarışmalarda birinci olan öğrencilerin NSU'nun başvuru sahipleri, öğrenciler ve mezunlar açısından çekiciliği üzerinde olumlu bir etkisi vardır. Aynı şey spor programlama eğitiminde de olur.
- Bu özel kurs, temel bilgileri mükemmel bir şekilde tamamlar ve genişletir: Katılımcılar, makine öğrenimi modellerini bağımsız olarak uygular ve genellikle küresel düzeyde rekabet eden ekipler oluşturur.
- Diğer üniversiteler zaten bu tür eğitimler veriyordu, bu yüzden NSU'daki özel kursun başarısını umuyordum.
Başlatmak
Novosibirsk Akademgorodok'u bu tür çabalar için çok verimli bir zemine sahiptir: Bilgisayar Bilimleri Merkezi öğrencileri, mezunları ve öğretmenleri ve FIT, MMF, FF gibi güçlü teknik fakülteler, NSU yönetiminin güçlü desteği, aktif bir ODS topluluğu, deneyimli mühendisler ve çeşitli BT şirketlerinden analistler. Aynı sıralarda hibe programı hakkında bilgi aldık. — Fon, makine öğrenimi spor müsabakalarında iyi sonuçlar veren takımları destekliyor.
NSU'da haftalık toplantılar için bir dinleyici kitlesi bulduk, Telegram'da bir sohbet oluşturduk ve CS merkezi öğrencileri ve mezunlarıyla birlikte 1 Ekim'de faaliyete geçtik. İlk derse 19 kişi geldi. Bunlardan altısı eğitime düzenli olarak katıldı. Toplamda 31 kişi eğitim-öğretim yılı boyunca en az bir kez toplantıya geldi.
İlk sonuçlar
Çocuklar ve ben tanıştık, deneyim alışverişinde bulunduk, yarışmaları ve gelecek için kaba bir planı tartıştık. Veri analizi yarışmalarında yer kapmak için mücadele etmenin düzenli, meşakkatli bir iş olduğunu, ücretsiz tam zamanlı çalışmaya benzer ama çok ilginç ve heyecan verici olduğunu çok çabuk fark ettik 🙂 Katılımcılardan biri olan Kaggle ustası Maxim, yarışmalarda öncelikle bireysel olarak ilerlememizi tavsiye etti. ve yalnızca birkaç hafta sonra genel puanı dikkate alarak takımlar halinde birleşirler. Biz de bunu yaptık! Yüz yüze eğitim sırasında modelleri, bilimsel makaleleri, Python kütüphanelerinin inceliklerini tartıştık, sorunları birlikte çözdük.
Sonbahar döneminin sonuçları Kaggle'daki iki yarışmada üç gümüş madalyaydı: и . Ve kazanılan ilk parayla (deneyimli fıçıların söylediği gibi parayla) yazım hatalarını düzeltmek için CFT yarışmasında üçüncülük.
Özel kursun çok önemli bir dolaylı sonucu da NSU VKI kümesinin başlatılması ve yapılandırılmasıydı. Bilgi işlem gücü, rekabet yaşamımızı önemli ölçüde iyileştirdi: 40 CPU, 755 Gb RAM, 8 NVIDIA Tesla V100 GPU.
Ondan önce elimizden geldiğince hayatta kalıyorduk: kişisel dizüstü ve masaüstü bilgisayarlarda, Google Colab'da ve Kaggle çekirdeklerinde hesaplamalar yapıyorduk. Hatta bir ekibin, modeli otomatik olarak kaydeden ve zaman sınırı nedeniyle durdurulan hesaplamayı yeniden başlatan, kendi yazdığı bir komut dosyası bile vardı.
Bahar döneminde de bir araya gelmeye, başarılı bulguları paylaşmaya ve yarışmaya yönelik çözümlerimizi konuşmaya devam ettik. İlgilenen yeni katılımcılar bize gelmeye başladı. Bahar döneminde Kaggle'daki sekiz yarışmada bir altın, üç gümüş ve dokuz bronz almayı başardık: , , , , , ve diğerleri, bronz , Changellenge>>Kupada üçüncülük ve makine öğrenimi yarışmasında (yine parada) birincilik Yandex'den.
Eğitime katılanlar neler söylüyor
“Bu tür faaliyetlerin burada, Sibirya'da yürütülmesinden çok memnunum çünkü yarışmalara katılmanın makine öğreniminde ustalaşmanın en hızlı yolu olduğuna inanıyorum. Bu tür yarışmalar için donanımı kendiniz satın almanız oldukça pahalıdır, ancak burada fikirleri ücretsiz olarak deneyebilirsiniz.”
“ML eğitiminin ortaya çıkmasından önce, eğitim ve Hindu yarışmaları dışında özellikle yarışmalara katılmıyordum: Makine öğrenimi alanında çalıştığım ve buna aşina olduğum için bunun bir amacını görmedim. İlk dönem öğrenci olarak katıldım. Ve ikinci yarıyıldan başlayarak, bilgisayar kaynakları hazır olur olmaz neden katılmayayım diye düşündüm. Ve beni kendine bağladı. Görev, veriler ve metrikler sizin için icat edildi ve hazırlandı, devam edin ve MO'nun tüm gücünü kullanın, en son modelleri ve teknikleri kontrol edin. Eğer eğitim ve bir o kadar da önemlisi bilgi işlem kaynakları olmasaydı, yakın zamanda katılmaya başlamazdım."
"Yüz yüze makine öğrenimi eğitimi, makine öğrenimi ve veri analizi alanındaki bilgilerimi birlikte derinleştirebildiğim benzer düşüncelere sahip kişileri bulmamda bana yardımcı oldu. Bu aynı zamanda bağımsız olarak analiz etmek ve kendilerini yarışma konusuna kaptırmak için fazla boş vakti olmayan, ancak yine de konunun içinde olmak isteyenler için mükemmel bir seçenektir."
bize katıl
Kaggle ve diğer platformlardaki yarışmalar pratik becerileri geliştirir ve hızla veri bilimi alanında ilgi çekici çalışmalara dönüşür. Zorlu bir rekabete birlikte katılan insanlar sıklıkla meslektaş olurlar ve işle ilgili sorunları başarıyla çözmeye devam ederler. Bu bizim de başımıza geldi: Mikhail Karchevsky, ekipten bir arkadaşıyla birlikte tavsiye sistemi üzerine aynı şirkette çalışmaya gitti.
Zamanla bu etkinliğimizi bilimsel yayınlar ve makine öğrenimi konferanslarına katılımlarla genişletmeyi planlıyoruz. Novosibirsk'te katılımcı veya uzman olarak bize katılın - yazın veya . Şehirlerinizde ve üniversitelerinizde benzer eğitimler düzenleyin.
İşte ilk adımlarınızı atmanıza yardımcı olacak küçük bir not:
- Normal dersler için uygun bir yer ve zaman düşünün. Optimal olarak - haftada 1-2 kez.
- Potansiyel olarak ilgilenen katılımcılara ilk toplantı hakkında yazın. Her şeyden önce bunlar teknik üniversitelerin öğrencileri, ODS katılımcıları.
- Güncel olayları tartışmak için bir sohbet başlatın: Telegram, VK, WhatsApp veya çoğu kişiye uygun başka bir mesajlaşma programı.
- Herkese açık bir ders planı, yarışmaların ve katılımcıların bir listesini tutun ve sonuçları izleyin.
- Yakındaki üniversitelerden, araştırma enstitülerinden veya şirketlerden ücretsiz bilgi işlem gücü veya bunun için hibeler bulun.
- KAR!
Kaynak: www.habr.com