Принять участие

Окружной хакатон

Сибирский федеральный округ

15-17 июля, Томск, пр. Развития, 3, «Особая экономическая зона»

регистраций0
команд0
hackaton image

Окружной хакатон — командное соревнование для специалистов ИТ, в результате которого участники из округа смогут решить задачи от государства и бизнеса по теме ИИ или другим ИТ-тематикам. Мероприятие проходит в гибридном формате с офлайн площадкой (студия + коворкинг) в одном из регионов округа. В окружном хакатоне могут участвовать также и представители других регионов.

Кейсовые задания

Предсказание пандемий при помощи ИИ
Искусственный интеллект составит картину рынка безопасных товаров
Мой психолог ИИ: помоги нейросети выявить уровень стресса
1
Продам Муравъеда

Краткое описание решения: Для решения задачи предсказания уровня заражения коронавирусом в городах, использовался стекинг различных алгоритмов машинного обучения, обученных на предобработанных данных.


1. Вычислялись различные метрики для каждого города.


2. Все данные были обработаны различными алгоритмами машинного обучения, получены первые предсказания.


3. Модель обобщала все полученные предсказания для получения более точной оценки.


Технические особенности: Python, Pytorch, Stacking, CatBoost, Random Forest, Gradient Boosting


Уникальность: Объединение различных архитектур для решения задачи регрессии. Использование дополнительных признаков для повышения качества.

person
Кирилл Белоцерковский
Свердловская область
person
Виктор Ратков
Свердловская область
Григорий Кирьянов
г. Санкт-Петербург
2
pyGeeks

Для решения задачи регрессии уровня заражения вирусом Covid-19 в начале пандемии была проведена очистка данных и построены математические модели прогнозирования


В рамках очистки данных мы:

  • Удалили значения с пропусками в зависимой переменной inf_rate
  • Удалили дубликаты городов
  • Заменили медианным и нулевыми значениями пропуски в числовых признаках, в зависимости от распределения
  • Нормализовали числовые признаки с помощью техники Min Max Normalization
  • Закодировали категориальные признаки региона и федерального округа


В рамках построения математических моделей мы обучили:

  • Градиентный бустинг CatboostRegressor
  • KNeighborsRegressor с предсказанием на основе наиболее похожих городов
  • DecisionTreeRegressor


Технические особенности: Python3, Scikit-learn, Pandas, Colab, Eli5

Построенные модели обладают преимуществами:

  • Высокая скорость работы
  • Минимальные требования к железу
  • Возможность быстрого дообучения на новых данных

Для отбора признаков, использованных для обучения моделей, командой были проанализированы исследования:

  • https://istina.msu.ru/publications/article/425547394/


Уникальность построенного решения:

Построенные алгоритмы позволяют провести глубокую оценку предсказанного уровня заражения вирусом Covid-19 в том или ином городе.

Евгений Борисов
Томская область
Бакулин Вячеслав
Томская область
Артемий Крапива
Московская область
3
Padavans

Мы разработали Telegram-бота, который может прогнозировать уровень заражения населения вирусом в условиях пандемии с помощью технологий искусственного интеллекта. Также в нашем боте вы можете узнать интересную информацию о вирусе COVID-19 и способы профилактики.


Стек решения: Python (Среды разработки: PyCharm, Google Colab)


Уникальность: Наиболее точный и удобный способ прогнозирования информации о случаях заражения в условиях пандемии в виде Telegram-бота. Использовался градиентный бустинг.


Решение позволяет на основе большого количества уже собранных данных прогнозировать степень зараженности в условиях пандемии по городам.


Были использованы библиотеки Python: AIOGram, scikit-learn, CatBoost (Градиентный бустинг, библиотека Яндекса), Matplotlib, seaborn, pandas. 

person
Егор Солдатов
Кемеровская область - Кузбасс
Родион Рыбко
Кемеровская область - Кузбасс
Глеб Шабаев
Кемеровская область - Кузбасс
Денис Устюжанин
Кемеровская область - Кузбасс
Степан Назаров
Кемеровская область - Кузбасс

Особенности мероприятия

В Томске подведены итоги четвертого окружного хакатона конкурса «Цифровой прорыв. Сезон: искусственный интеллект» — одного из проектов президентской платформы «Россия — страна возможностей», который проходил на площадке Особой экономической зоны технико-внедренческого типа «Томск». Хакатон проходил в гибридном формате — онлайн и офлайн. На этот раз площадкой проведения был выбран Томск ― один из сибирских студенческих, академических городов.
До финальных защит дошли 38 команд. Участники разработали решения в трёх кейсах. По итогам хакатона девять команд-победителей разделили между собой призовой фонд в 1 800 000 рублей.
Руководитель направления взаимодействия с регионами АНО «Россия — страна возможностей» Кирилл Антонов поблагодарил за вклад в реализацию проекта и формирование сообщества по искусственному интеллекту в России Министерство экономического развития Российской Федерации, Администрацию Томской области, региональных партнеров хакатона в Сибирском федеральном округе и кейсодержателей.


Общий призовой фонд мероприятия составляет 1 800 000 рублей. Выплата по каждому из кейсов (кейсовых заданий) производится путем банковского перевода денежных средств физическим лицам, гражданам РФ. Размер призового фонда составляет 300 000 рублей для команды, занявшей первое место (равными долями каждому участнику), 200 000 рублей для команды, занявшей второе место (равными долями каждому участнику), 100 000 рублей для команды, занявшей третье место (равными долями каждому участнику). Выплата производится в соответствии с Положением об окружных хакатонах.
Видеозапись церемонии открытия
Видеозапись церемонии закрытия

Информационные партнеры

РБКлоготип
Генеральный информационный партнер
РБК
Российская Газеталоготип
Генеральный информационный партнер
Российская Газета
ТАССлоготип
Генеральный информационный партнер
ТАСС
TelecomDailyлоготип
Генеральный информационный партнер
TelecomDaily
Телеканал 360логотип
Генеральный информационный партнер
Телеканал 360
COMNEWSлоготип
Генеральный информационный партнер
COMNEWS
Телеспутниклоготип
Генеральный информационный партнер
Телеспутник
Galleryлоготип
Генеральный информационный партнер
Gallery
ICT.Moscowлоготип
Генеральный информационный партнер
ICT.Moscow
Деловой Петербурглоготип
Генеральный информационный партнер
Деловой Петербург
АиФлоготип
Информационный партнер
АиФ
Мир 24логотип
Информационный партнер
Мир 24
МЕЛлоготип
Информационный партнер
МЕЛ
АНО «Цифровая экономика»логотип
Информационный партнер
АНО «Цифровая экономика»
CDO2DAYлоготип
Информационный партнер
CDO2DAY
ФедералПресслоготип
Информационный партнер
ФедералПресс
NEWS.ruлоготип
Информационный партнер
NEWS.ru
ОСНлоготип
Информационный партнер
ОСН
Вести Подмосковьялоготип
Информационный партнер
Вести Подмосковья
PrimaMediaлоготип
Информационный партнер
PrimaMedia
RSpectr логотип
Информационный партнер
RSpectr
Системный администраторлоготип
Информационный партнер
Системный администратор
БИТлоготип
Информационный партнер
БИТ
Telecom Timesлоготип
Информационный партнер
Telecom Times
Infoxлоготип
Информационный партнер
Infox
Банковское обозрениелоготип
Информационный партнер
Банковское обозрение
Берзалоготип
Информационный партнер
Берза
Ict2goлоготип
Информационный партнер
Ict2go
ICT-Online логотип
Информационный партнер
ICT-Online
NBJлоготип
Информационный партнер
NBJ
Smallbusinessлоготип
Информационный партнер
Smallbusiness
Радио1логотип
Информационный партнер
Радио1
Digital Reportлоготип
Информационный партнер
Digital Report
DGLлоготип
Информационный партнер
DGL
IT-Worldлоготип
Информационный партнер
IT-World
Phystech.Genesisлоготип
Информационный партнер
Phystech.Genesis
Let AI beлоготип
Информационный партнер
Let AI be
Хелпинвер логотип
Информационный партнер
Хелпинвер
Гарант логотип
Информационный партнер
Гарант
Кружковое движениелоготип
Информационный партнер
Кружковое движение
Maximum Educationлоготип
Информационный партнер
Maximum Education
Napoleon ITлоготип
Информационный партнер
Napoleon IT
Robotics Channelлоготип
Информационный партнер
Robotics Channel
Big Dataлоготип
Информационный партнер
Big Data
Зайцем по ХаХатонамлоготип
Информационный партнер
Зайцем по ХаХатонам
TourBC.ruлоготип
Информационный партнер
TourBC.ru
FinVeritasлоготип
Информационный партнер
FinVeritas
CISлоготип
Информационный партнер
CIS
ИТ-парк логотип
Информационный партнер
ИТ-парк
Data Engineersлоготип
Информационный партнер
Data Engineers
Алексей Чернобрововлоготип
Информационный партнер
Алексей Чернобровов
Точка кипениялоготип
Информационный партнер
Точка кипения
Maffлоготип
Информационный партнер
Maff
ФГБОУ ВО "Волгоградский государственный технический университет"логотип
Информационный партнер
ФГБОУ ВО "Волгоградский государственный технический университет"
Удмуртский государственный университетлоготип
Информационный партнер
Удмуртский государственный университет
Иркутская областная юношеская библиотека им. И.П. Уткиналоготип
Информационный партнер
Иркутская областная юношеская библиотека им. И.П. Уткина
Иркутский областной художественный колледжлоготип
Информационный партнер
Иркутский областной художественный колледж
Правительство Иркутской областилоготип
Информационный партнер
Правительство Иркутской области
Минцифра Оренбургской областилоготип
Информационный партнер
Минцифра Оренбургской области
СФ БашГУлоготип
Информационный партнер
СФ БашГУ
АНО ДО "Агентство технологического развития Ульяновской области"логотип
Информационный партнер
АНО ДО "Агентство технологического развития Ульяновской области"
УГАТУлоготип
Информационный партнер
УГАТУ
Международная научно-исследовательская лаборатория СВФУ Многомасштабные модели пониженного порядкалоготип
Информационный партнер
Международная научно-исследовательская лаборатория СВФУ Многомасштабные модели пониженного порядка
Фонд Sinet Sparkлоготип
Информационный партнер
Фонд Sinet Spark
Центр технологического предпринимательства OREH СВФУ им М.К. Аммосовалоготип
Информационный партнер
Центр технологического предпринимательства OREH СВФУ им М.К. Аммосова
Северо-Восточный Федеральный Университет им. М.К. Аммосовалоготип
Информационный партнер
Северо-Восточный Федеральный Университет им. М.К. Аммосова