search icon

Большие данные и машинное обучение

Сквозные технологии НТИ: Большие данные и искусственный интеллект Сквозные технологии НТИ: Большие данные и искусственный интеллект
II уровень РСОШ II уровень РСОШ
100 баллов к ЕГЭ 100 баллов к ЕГЭ
Сквозные технологии НТИ: Большие данные и искусственный интеллект Сквозные технологии НТИ: Большие данные и искусственный интеллект
II уровень РСОШ II уровень РСОШ
100 баллов к ЕГЭ 100 баллов к ЕГЭ
Математика Информатика
Рекомендации для наставника
  • Этап 1
    1 октября — 21 ноября
    2020
  • Этап 2
    16 ноября — 8 января
    2021
  • Финал. Предметный тур
    21 февраля — 21 февраля
    2021
  • Финал. Командная задача
    22 февраля — 26 февраля
    2021

Расписание

Большие данные и машинное обучение1
Большие данные и машинное обучение2
Большие данные и машинное обучение3
Большие данные и машинное обучение4
Большие данные и машинное обучение5
Большие данные и машинное обучение6
Большие данные и машинное обучение7
01 7

Этапы соревнований

Этап 1

В рамках первого отборочного этапа участникам предстоит решить задачи по информатике и математике.

Этап 2

Во время отборочных этапов необходимо будет писать программы, разрабатывать алгоритмы по обработке данных, решать задачи с использованием современных технологий, таких как машинное обучение, нереляционные базы данных, облачные технологии, современные средства визуализации данных.

В ходе второго отборочного этапа школьникам будут предложены онлайн-курсы, хакатоны (в них можно будет принять участие удалённо) и видеолекции ведущих российских специалистов в индустрии.

Финал. Предметный тур

На этом этапе участникам предстоит решать задачи по математике и информатике. 

Этап пройдет в распределенном формате.

Финал. Командная задача

Финальная задача традиционно является классическим соревнованиям по построения прогнозных моделей. Участникам выдается набор данных и параметр, который на этом наборе необходимо спрогнозировать. Участники не ограничены в применении алгоритмов и техник, однако их решение на языке Python должно запуститься в тестовой среде и выдать прогноз. Победителем считается команда, выдавшая наиболее точный прогноз.

В рамках заключительного этапа организаторами традиционно предоставляются вычислительные серверы, которые можно использовать для решения и оставлять обучаться модели на ночь, пока участники идут спать. Таким образом базовые знания работы в linux также не будут лишними.

Традиционно на решение задачи отводится несколько дней и все время участники могут видеть лидерборде, на котором выводится точность прогнозных моделей команд.

Требования к команде

Требования к команде

Что потребуется:

  • понимание основных концепций в области машинного обучения и нейросетей;
  • программирование на языке Python и знание библиотек обработки данных (pandas, scikit-learn, numpy, scipy и т.д.);
  • умение быстро находить решения в интернете на специализированных ресурсах (stackexchange и пр.), разбираться в них и адаптировать под свои потребности;
  • умение эффективно работать с большими данными, писать алгоритмы эффективно;
  • умение вести тестирование, отладку.

Численность команды и роли

Численность команды и роли

 

Состав команды — 2−3 человека:

1−2 программиста (пишут код, разрабатывают архитектуру и интерфейс решения);

1 аналитик (разрабатывает бизнес-процессы, строит мат. модель)

Материалы подготовки

Разработчики

Партнеры

Поставщик данных: С-Инновации, спонсоры призов: Softline и Nvidia

background image background image background image background image background image background image background image background image background image background image background image background image
background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image