大家好!
幾週後,即 30 月 31 日至 XNUMX 日,我們將舉行
以下是代表可以參加的專業:
- 數據工程師
- 數據架構師
- 數據科學家
- 解決方案架構師
- 前端開發者
- 後端開發人員
- UX / UI設計器
- 產品所有者
- Scrum大師
有關任務和階段的更多詳細資訊正在剪切中。
第一階段 目前已經開始運行,從1月30日到2月5日,這是一門免費的在線教育課程,註冊後您將收到作業鏈接,如果您還沒有選擇,您將能夠積累積分並在此過程中結識其他參與者一個團隊。 是的,選擇一個團隊很重要,因為是團隊參與(每個團隊 XNUMX 到 XNUMX 人)。
我們與 AI Today 專家一起開發了教育計劃,這些任務已經在電報機器人中提供 @siburchallenge_bot。 順便說一句,在機器人中,您還可以檢查當前的獎勵積分餘額(然後可以將它們兌換成有用的商品、附加功能(例如額外的指導時間),或參加拍賣以獲得超級獎品。
參加黑客馬拉松本身的註冊(提前註冊 = 獲得更多積分)、完成整個專案、留下數據等等都會獲得積分。
完整清單
- 最多 500 分 - 在黑客馬拉松網站報名(報名日期越早,積分越多)。
- 團體報名最多 500 人(視日期而定)。
- 100 - 在聊天中介紹 #siburchallenge 參與者並留下有關您自己的資訊。
- 100 – 用於發送您的履歷。
- 100 - 視訊課程後每個正確答案,以及成功完成整個教育計劃(正確答案的 75%) - 額外積分。
- 100 - 完成機器人中的第一課。
- 最多 1500 分 - 在特定日期之前完成整個計劃(至少 75% 的正確答案):越早,分數越多。
- 500 - 用於參與推薦計畫。
- 最多 300 個 - 用於社交網路上的公告和評論。
- 參加黑客馬拉松之前的其他活動最多 500 人。
- 100 - 反饋。
- 200 - 發現錯誤或錯誤。
第二階段,29月XNUMX日,聚會。 如果您尚未加入所需的團隊,您可以在這裡加入。 與公司代表(IT、HR、業務部門)溝通。
第三階段,截至30月XNUMX日,團隊選拔。 如果你還沒有加入前兩個階段的隊伍,那麼這是你最後的機會。 您可以自行組建團隊,也可以根據您需要的個人資料加入現有團隊。 還有一些活動將給您積分 - 您需要收集所需的數量。
第四階段,即 30 月 31 日至 XNUMX 日,是黑客馬拉松本身。 在這裡,您的團隊需要製定問題的解決方案。 在此過程中您可以諮詢我們的專家。
順便說一下,關於專家
- Gleb Ivashkevich / 今日人工智慧
深度學習專家。 今日數據科學人工智慧負責人。 Y-Data 專案的導師。 - Anastasia Makeenok / 前微軟
創業和創新的獨立專家。 微軟俄羅斯和東歐新創公司和學術互動前負責人。 為新創公司提供行銷和業務發展的諮詢。 - 謝爾蓋·馬丁諾夫 / Brainex
Brainex開發團隊負責人,創投公司NP Capital合夥人。 從事網路業務超過 15 年,過去曾擔任 Gosuslugi.ru 和 Mail.Ru Post 等專案的經理。 - 伊利亞·科羅廖夫 / IIDF
IIDF 投資組合經理。 投資組合 - 850+ 百萬盧布,來自法律科技、AR/VR、MarTech 和消費互聯網領域的 18 家公司。 - 帕維爾多羅寧 / 人工智慧社區
人工智慧社群創始人。 人工智慧社群與數位轉型實驗室AI Today創辦人。 - 阿列克謝·帕夫柳科夫 / 埃斯波羅
埃斯波羅的傳播者。 全端開發人員。 致力於在文字、文件和圖像分析領域創建網路服務和機器學習系統。 - 尼古拉·庫加耶夫斯基 / it52.info
下諾夫哥羅德聚會海報 it52.info 的創辦人和開發者。 獨立開發商。 曾任職於 Yandex.Money 和 iFree。 熱愛Ruby,關注前端技術的發展。 - 亞歷山大·克羅特/西布爾
西布爾 (SIBUR) 數據分析專案經理。 曾在俄羅斯聯邦儲蓄銀行中亞工作,負責基於數據分析和機器學習的產品實施。 - 謝爾蓋·別洛烏索夫 / 英特爾
英特爾機器學習研發工程師。 在電腦視覺和機器學習方面擁有超過 8 年的經驗。 參與OpenCV、OpenVINO等開放CV/ML函式庫的開發。
還有關於任務
首先,將有一個關於分發優惠券的任務。 在大型組織中,這仍然是一個帶有一堆參數的重要日期。
從我們的角度:
- 資料集包含 19 名員工索取代金券的資料集,分析師提供了工作經驗、獎勵和領取福利的個人資料、療養室容量、向員工授予代金券的標準。
- 流程的企業主將講述並展示一切。
從你的角度出發:
一個全面的解決方案,使勞動力解決方案專家能夠快速做出在申請發放優惠券的員工之間分配這些優惠券的決定,並提供在企業和房間數量之間分配優惠券的選項。
解決方案應由兩部分組成:
- 基於數據分析的演算法。
- 與數據和演算法結果以及任何附加數據的可視化介面。
其次,關於丁二烯生產中的顧問的問題(我們寫了一些關於這個的文章)
密碼和外觀
地點:
如果您想嘗試在大型生產設施中進行數據分析,那就來吧。 而且我們還有
來源: www.habr.com