В этом году Applied AI Challenge включает два трека: участникам FinTech Case предстоит предсказать виды экономической деятельности юридических лиц по данным транзакционной активности, а участникам Oil and Gas Industry Case — спрогнозировать темпы добычи нефти по данным с месторождения.

Формат хакатона предполагает не командное, а индивидуальное участие. Попробовать свои силы в соревновании могут как начинающие аналитики данных, так и опытные data scientist — достаточно заполнить на сайте хакатона заявку на интересующий трек (FinTech Case или Oil and Gas Industry Case) до 16 мая включительно. Также на сайте Applied AI Challenge указаны даты проведения соревнований — для каждого трека они свои. По 16 лучших участников получат приглашение на финальные презентации решений, где наряду с сотрудниками Университета ИТМО их будут оценивать индустриальные партнеры хакатона.

Окончательные результаты хакатона станут известны 31 мая. Помимо главного бонуса — поступления в магистратуру ИТМО — есть и другие призы от организаторов и партнеров Applied AI Challenge: участие в стажировках, мерч, книги. Также впервые профильный студенческий клуб Digital Generation совместно с факультетом цифровых трансформаций Университета ИТМО присвоит специальные стипендии 6 лучшим участникам из числа победителей каждого трека: после поступления на соответствующие образовательные программы они будут получать ежемесячно 20 тысяч рублей в течение 1-го семестра.

Победители конкурса прошлого года поделились своими мыслями о том, зачем участвовать в хакатонах вообще и в Applied AI Challenge в частности, а также рассказали, чем сейчас занимаются в Университете ИТМО.

Олег Демин

магистрант программы «Финансовые технологии больших данных»

— Я завершал обучение в бакалавриате и думал, куда дальше поступать. На олимпиаде «Я — профессионал» увидел несколько форумов и решил поучаствовать в «Тебе решать» от ИТМО. Было весело и интересно, поэтому задумался о выборе в пользу ИТМО — так я попал на хакатон. На мой взгляд, любопытно попробовать свои силы, когда хакатон проходит в сжатые сроки. Как минимум это разовьет твое умение быстро принимать решения, а как максимум ты получишь еще и «плюшки»: льготы при поступлении, мерч и прочее.

На хакатоне Applied AI Challenge была интересная задача на тему AutoML, а я как раз в то время увлекся машинным обучением. Я решил попробовать свои силы в этом — и прошел. В итоге я поступил на программу «Финансовые технологии больших данных», которая показалась мне наиболее интересной. Здесь есть всё, что мне нужно: машинное обучение, финансы, технологии больших данных, а также дополнительные направления, смежные с психологией. Я остался доволен выбором.

Сейчас я изучаю методы определения психоэмоционального состояния, а точнее — занимаюсь улучшением их работы в неконтролируемых условиях: при разном уровне освещенности, звуковой зашумленности и других неприятных эффектов.

Никита Стародубцев

магистрант программы «Цифровые геотехнологии»

— Подобного рода соревнования имеют целый ряд достоинств. Во-первых, практически в любой области, не только в машинном обучении, очень важно подкреплять свои знания практикой, а хакатон — это именно то занятие, которое в наибольшей степени способствует развитию практических навыков. Во-вторых, успешное участие в хакатонах может пополнить список ваших проектов. Это важно, так как область машинного обучения очень быстро развивается и требования к людям, начинающим свою карьеру в data science, также быстро растут: зачастую необходимо иметь какой-то проектный опыт, даже при приеме на стажировку, не говоря о full-time работе. В третьих, очень полезно анализировать код, написанный победителями хакатонов, брать удачные решения. В будущем это может сильно помочь в вашей собственной задаче.

На мой взгляд, хакатоны, не имеющие денежного призового фонда (таков и Applied AI Challenge), наиболее полезны для старта: мала вероятность того, что на хакатон придут «серьезные» люди, обладающие крутыми вычислительными ресурсами и умеющие обучать на них очень глубокие нейронные сети. Таких людей очень сложно победить, даже если вы реализовали классную идею. Таким образом, при должном погружении в предметную область у вас есть реальный шанс занять топовое место в хакатоне. В Applied AI Challenge эта предметная область была довольно интересной и актуальной для методов машинного обучения.

Считаю, что наиболее трудное всегда — презентация своего решения. Но в то же время выступление — самая важная часть в любой сфере деятельности. Грамотная презентация даже очень неудачного решения может сделать его «конфетой». Поэтому к таким вещам нужно привыкать, и очень хорошо, что хакатон ИТМО дает такую возможность.

По моему мнению, самый надежный способ подготовки — анализировать абсолютно всю информацию со всех возможных источников, благо сегодня таких много. Если какой-то момент окажется сложным, не нужно бросать и забывать его. Зачастую случается так, что, приобретя какой-то опыт, ты этот момент понимаешь. Из ресурсов для подготовки я бы порекомендовал курс лекций Константина Вячеславовича Воронцова по машинному обучению (но не советую с него начинать, ибо порог вхождения выше, чем нулевой) и книгу Сергея Николенко «Глубокое обучение».

По итогу хакатона я поступил на программу «Цифровые геотехнологии». Я выбрал ее, потому что меня привлекла деятельность научной группы, которая занимается этой программой (с 2022 года эта команда будет курировать образовательную программу  «Искусственный интеллект в промышленности» — примеч. автора). Сразу понял, что это крутая команда с интересными проектами и активными исследователями. Спустя время могу сказать, что эти предположения подтвердились. Если вы мотивированы, готовы много работать, то здесь вас тепло примут и вы сможете найти себе интересную задачу.

Сейчас я занимаюсь исследованиями в сфере генеративного дизайна физических объектов. Это довольно обширная и интересная область, включающая в себя большой спектр подходов, начиная от методов оптимизации и заканчивая машинным обучением.

Владимир Панов

магистрант программы «Финансовые технологии больших данных»

— Весной прошлого года я еще учился в Ульяновске на последнем курсе бакалавриата по направлению «Информационные системы и технологии». Хакатон по треку «Прикладной искусственный интеллект» заинтересовал меня самой задачей, а также возможностью попасть на стажировку в банк «Точка». Поступление без экзаменов тоже сильно привлекло. В ходе хакатона я смог потренироваться в fine-tuning (тонкой настройке — примеч. ред.) нейросетей в половинной точности, проверил свои хард скилы.

Вообще, участвовать в хакатонах полезно: обычно там стараются дать нестандартную задачу, в которой интересно покопаться, плюс одного идеального решения не существует, что дает свободу для экспериментов. Кроме того, можно приобрести или отточить навыки пользования инструментами для машинного обучения, глубокого обучения и так далее. И наконец, можно развить интуицию на такие задачи, понимая, какие методы лучше всего использовать в том или ином случае. Участие в хакатонах можно указать в резюме при трудоустройстве, по моему опыту это воспринимается положительно. А если занимать призовые места, то можно подаваться на разного рода стипендии.

Лучшая предварительная подготовка к Applied AI Challenge — это практика, то есть участие в других хакатонах, например в соревнованиях Kaggle или ODS, в олимпиаде «Я — профессионал» по направлению «Искусственный интеллект». Также я проходил и могу порекомендовать курсы «Нейронные сети и компьютерное зрение» на Stepik и Deep Learning School. Дополнительно советую вступить в сообщество ods.ai, оттуда можно почерпнуть много полезного.

В итоге я поступил на «Финансовые технологии больших данных». Программа на стыке финансов и data science показалась интересной, плюс мне сильно понравилась идея поступления за счет хакатона. Сейчас я занимаюсь исследованиями текстов из социальных сетей в лаборатории промышленного ИИ. Текущая задача — это анонимизировать эти самые тексты таким образом, чтобы нельзя было определить изначального автора, но при этом текст должен оставаться полезным для использования в таких задачах, как sentiment analysis и event detection (анализ тональности текста и обнаружение событий — примеч. ред.).

Роман Горифьянов

магистрант программы «Финансовые технологии больших данных»

— В прошлом году я еще занимался научной работой, связанной с физикой (моделирование и аподизация брэгговских решеток), но заставил себя погрузиться в область машинного обучения с нуля и пройти для этого онлайн курсы.

Хакатон прежде всего — шанс поступить в магистратуру без экзаменов. Однако это также возможность познакомиться с реальными задачами. Наиболее трудным для меня было построить не просто обычную, а действительно сложную и качественную модель и создать новые признаки.

В результате я поступил на программу «Финансовые технологии больших данных». Финансы всегда были моим хобби, в школе я участвовал в олимпиадах по экономике и математике, в студенческие годы активно начал изучать инвестирование и блокчейн-решения, связанные с централизованными системами. Сейчас я исследую p2p-системы кредитования — это когда человек может взять кредит не у банка, а у такого же физического лица. Особенно углубляюсь в рынок РФ: почему-то не хотят у нас приживаться такие продукты, хотя попыток было сделано много. Возможно, с появлением цифрового рубля или государственной децентрализованной системы получится внедрить такой социально значимый и полезный инструмент.

Текст подготовлен редакцией новостного портала совместно с сотрудниками факультета цифровых трансформаций Университета ИТМО