В Москве прошел RAIF Hackathon 2018 с призовым фондом более 1 000 000 рублей

RAIF Hackathon 2018 включал в себя два этапа. В рамках отборочного онлайн-тура, который прошел с 5 по 19 октября, было получено 322 заявки от разработчиков из разных городов России. Работы оценивало квалифицированное жюри, в состав которого вошли эксперты крупных компаний российского рынка.

Команды распределились по трем номинациям:

• Оптимизация процессов производства (НЛМК);
• Анализ спроса на товары (Утконос);
• Прогнозирование кадастровой стоимости объектов (Росреестр)

В финал прошли 42 команды в номинации от НМЛК, 4 команды — в номинации от «Утконос» и 5 команд — в номинации от Росреестра.

В рамках финального офлайн-соревнования, прошедшего 23 октября на площадке второго российского форума по системам искусственного интеллекта RAIF 2018, участникам были выданы дополнительные данные. После почти 4 часов кодинга и дальнейшей защиты проектов в творческих номинациях, жюри определило победителей.

В номинации Росреестра финалистом стала команда r_test. Ребята провели глубокий анализ внешних данных и использовали такие параметры, как расстояние до ближайшей ж/д станции, водоёма и до точек интереса (POI).

Команда Help The Platipus, решившая задачу от «Утконос» и ставшая победителем в этой номинации, сфокусировалась на анализе групп сопутствующих товаров и групп товаров-заменителей. Также была оценена экономическая эффективность решения.

В номинации НЛМК победа была определена по абсолютному показателю — максимальной прогностической точности ML-модели. В результате упорной борьбы полуфинала среди 30 команд, победу одержала команда Keksik.

Призовой фонд более 1 000 000 рублей был разделен между победителями — каждая команда получила по 350 тысяч рублей. 

По завершении хакатона состоялась техническая секция, ведущим которой выступил Виктор Кантор, автор курса Data Mining in Action. Ученые, математики и эксперты Data Science ведущих российских компаний поделились опытом и новейшими кейсами в сфере ML/AI.

Константин Воронцов (МФТИ) рассказал о тематических векторных представлениях текстов, графов и транзакционных данных. Эмели Драль (Mechanica.AI) выступила с докладом об искусственном интеллекте в сфере производства, что было особенно интересно после задачи от НЛМК по оптимизации производственных процессов в рамках хакатона. Николай Князев («Инфосистемы Джет») провел сравнение метрик бизнеса и машинного обучения. Выбор правильной метрики был одним из параметров, по которым определялся победитель в номинации «Утконос». Дмитрий Бугайченко (Одноклассники) познакомил присутствующих с построением витрины контента с помощью потокового анализа данных и обучения с подкреплением. Алексей Каткевич («Инфосистемы Джет») поделился с участниками, как правильно переносить ML-модели в продуктив, а Евгений Бурнаев (Сколтех) привел кейсы по обнаружению аномалий и прогнозу неисправностей на транспорте.