嘿哈布尔！
我们想谈谈参加黑客马拉松这样一种不寻常的青少年赚钱方式。 这既在经济上有利，又可以让您将在学校和通过阅读智能书籍获得的知识付诸实践。
一个简单的例子是去年为小学生举办的人工智能学院黑客马拉松。 参与者必须预测 Dota 2 比赛的结果，比赛的获胜者是来自车里雅宾斯克的十年级学生 Alexander Mamaev。 他的算法最准确地确定了这场战斗的获胜队伍。 由此，亚历山大获得了一笔丰厚的奖金——100万卢布。
亚历山大·马马耶夫 (Alexander Mamaev) 如何使用奖金、学生在 ML 方面缺乏哪些知识，以及他认为人工智能领域最有趣的方向是什么——这位学生在接受采访时说道。
— 向我们介绍一下您自己，您是如何对人工智能产生兴趣的？ 进入主题很难吗？
— 我今年 17 岁，今年即将毕业，最近从车里雅宾斯克搬到莫斯科附近的多尔戈普鲁德内。 我在卡皮察物理与技术学院学习，这是莫斯科地区最好的学校之一。 我可以租一套公寓，但我住在学校的寄宿学校，与中学的人交流更好更容易。
我第一次听说 AI 和 ML 可能是在 2016 年，当时 Prisma 出现了。 当时我在八年级，正在做奥林匹克编程，参加了一些奥林匹克竞赛，发现我们正在城里举办机器学习聚会。 我有兴趣弄清楚它，了解它是如何工作的，所以我开始去那里。 在那里我第一次学习了基础知识，然后我开始在互联网上的各种课程中学习它。
起初，只有康斯坦丁·沃龙佐夫的俄语课程，而且教学方式很严格：术语很多，描述中有很多公式。 对于一个八年级的学生来说，这是非常困难的，但现在，正是因为我一开始就读过这样的学校，这些术语对我在实际问题的实践中并不构成困难。
— 想要使用人工智能，你需要了解多少数学知识？ 学校课程中的知识是否足够？
— 在很多方面，ML 基于 10-11 年级学校的基本概念、基本线性代数和微分。 如果我们谈论生产，谈论技术问题，那么在很多方面都不需要数学；许多问题只需通过尝试和错误就可以解决。 但如果我们谈论研究，当新技术被创造出来时，就没有数学。 数学需要基础水平，至少要知道如何应用矩阵，或者相对而言，计算导数。 这里无法逃避数学。
— 在您看来，任何具有自然分析思维的学生都能解决机器学习问题吗？
- 是的。 如果一个人知道机器学习的核心是什么，如果他知道数据是如何构造的，并且了解基本的技巧或技巧，那么他就不需要数学，因为这项工作的许多工具已经由其他人编写了。 这一切都归结为寻找模式。 但当然，一切都取决于任务。
— 解决ML问题和案例最难的是什么？
— 每一项新任务都是新的。 如果问题已经以同样的形式存在，那么就不必解决。 不存在通用算法。 有一个庞大的社区，其中的人们训练他们解决问题的技能，讲述他们如何解决问题，并描述他们的胜利故事。 遵循他们的逻辑和想法是非常有趣的。
— 您最有兴趣解决哪些案例和问题？
— 我的专业是计算语言学，我对文本、分类问题、聊天机器人等感兴趣。
— 您经常参加人工智能黑客马拉松吗？
— 事实上，黑客马拉松是一种不同的奥林匹克体系。 奥林匹克竞赛有一系列封闭式问题，参与者必须猜测已知答案。 但有些人不擅长封闭式任务，却在开放式任务中撕裂所有人。 因此，您可以通过不同的方式测试您的知识。 在开放性问题中，有时技术是从头开始创建的，产品是快速开发出来的，甚至连组织者也常常不知道正确答案。 我们经常参加黑客马拉松，通过这个我们可以赚钱。 这很有趣。
- 你能从中赚多少钱？ 你如何花你的奖金？
— 我和我的朋友参加了 VKontakte 黑客马拉松，我们在那里申请了搜索冬宫画作的应用程序。 手机屏幕上显示一组表情符号和表情符号，需要使用这组表情符号和表情符号找到一张图片，将手机指向该图片，使用神经网络进行识别，如果答案正确，则奖励积分。 我们很高兴也很感兴趣，因为我们能够创建一个应用程序，使我们能够在移动设备上识别一幅画。 我们暂时获得第一名，但由于法律手续的原因，我们错过了 500 万卢布的奖金。 很遗憾，但这不是主要的事情。
此外，他还参加了俄罗斯联邦储蓄银行数据科学之旅竞赛，获得第五名并获得 5 万卢布的奖金。 第一个他们支付了200万，第二个支付了500万。 奖金金额各不相同，目前正在增加。 排名靠前的，可以拿到100到500万。 我把奖金存起来用于教育，这是我对未来的贡献，这些钱是我日常生活中花的，我自己赚的。
— 个人黑客马拉松和团队黑客马拉松哪个更有趣？
——如果我们谈论开发一个产品，那么它必须是一个团队，一个人是做不到的。 他只会感到疲倦并需要支持。 但如果我们谈论的是，例如，关于人工智能学院黑客马拉松，那么那里的任务是有限的，没有必要创建产品。 那里的兴趣是不同的——超越也在这个领域发展的另一个人。
——今后打算如何发展？ 你如何看待你的职业生涯？
— 现在的主要目标是准备您严肃的科学工作和研究，以便它出现在在世界不同国家举行的 NeurIPS 或 ICML - ML 会议等领先会议上。 职业问题开放，看看ML在过去5年里发展得怎么样。 它正在迅速变化，现在很难预测接下来会发生什么。 如果我们谈论科学工作之外的想法和计划，那么也许我会看到自己参与某种自己的项目，即人工智能和机器学习领域的初创公司，但这并不确定。
——您认为AI技术的局限性是什么？
— 好吧，总的来说，如果我们将人工智能视为具有某种智能、处理数据的事物，那么在不久的将来，它将是对我们周围世界的某种意识。 例如，如果我们谈论计算语言学中的神经网络，我们正在尝试对某些事物（例如语言）进行本地建模，而不让模型了解我们世界的上下文。 也就是说，如果我们能够将其整合到人工智能中，我们将能够创建对话模型、聊天机器人，它们不仅了解语言模型，而且还具有前景并了解科学事实。 这就是我希望在未来看到的。
顺便说一句，人工智能学院目前正在招募学生参加新的黑客马拉松。 奖金也很可观，今年的任务更有趣——你需要建立一个算法，根据一场 Dota 2 比赛的统计数据来预测玩家的体验。详细信息，请访问 .
来源： habr.com