Окружной хакатон

Северо-Западный федеральный округ

26-28 августа, Санкт-Петербург, пр. Медиков, д. 3, лит. А, «Ленполиграфмаш»

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

Алгоритм на страже экономической стабильности
ИИ по следам пользователей (ОФЛАЙН-КЕЙС)
Юридический помощник для проверки НПА
Предсказание спроса с помощью ИИ
1
мы пытались в ML, а получилось, что получилось

Решение представляет собой композицию нескольких наиболее удачных на наш взгляд алгоритмов для работы с временными рядами во главе с мета-алгоритмом.

Для начала из Train датасета с помощью библиотеки Kats были выделены мета-признаки. Для каждого временного ряда алгоритм прогнал сразу 6 моделей: Prophet, SARIMA, ARIMA, stlf, HoltWinters, Theta. Затем для каждого набора мета-признаков была выбрана лучшая модель. Далее мета-алгоритм решил задачу классификации и научился для каждого набора выбирать наиболее удачный алгоритм. 

Работа алгоритма: 

Модель при получении временного ряда отдает его на обработку мета-модели. Анализируя мета-данные, она выбирает, какой из алгоритмов, перечисленных ранее, может решить данную задачу прогнозирования лучше. Затем в режиме онлайн идет обучение модели на предложенном тестовом ряде, ее улучшение и в итоге выводятся предсказания.

Технические особенности нашего решения продиктованы неоднозначностью связей между данными в таблицах Train и Test. Наша модель рассматривает каждый из временных рядов в тестовых данных независимо друг от друга.

Уникальность: 

Мы пробовали много разных технических подходов: тюнили МЕТА-алгоритмы с помощью классических ML-подходов и параметры эксп. сглаживания с помощью ньютоновских методов оптимизации, использовали не менее 6 алгоритмов близких к эконометрическим для предсказания временных рядов, рассуждали о данных в контексте кластеризации для создания связей между train и test выборками, даже думали над гипотезой горизонтального рассмотрения рядов, что в совокупности помогло подобрать оптимальное решение.

Google Colaboratory, numpy, pandas, matplotlib, kats, sklearn, stats, seaborn, Facebook Prophet.<

person
Даниил Максимов
г. Санкт-Петербург
Анна Никифорова
Ивановская область
person
Алексей Безгин
Забайкальский край
Диана Бармина
г. Санкт-Петербург
2
Profit
  1. Наша система позволяет предсказывать поведение экономической переменной на основе исторических данных. Реализован веб-сервис, который принимает на вход произвольный числовой ряд по месяцам или кварталам, а так же время для предсказания. В ответ выдаётся прогноз. Реализована двухуровневая модель для предсказаний.
  2. Технические особенности: pandas, numpy, scikit-learn, torch, streamlit, ya.cloud. Двухуровневый ансамбль.
  3. Уникальность решения состоит в использовании двухуровневого ансамбля: сначала временной ряд отображается в латентное пространство автоэнкодера и далее в этом пространстве ищутся наиболее похожие ряды на исторических данных. В качестве предсказания выдаётся усреднённое продолжение ближайших соседей.
person
Павел Алексеев
г. Санкт-Петербург
person
Владимир Килязов
Нижегородская область
person
Сергей Миллер
г. Санкт-Петербург
3
FEDOT TEAM

Реализация адаптивного алгоритма для прогнозирования данных макроэкономических показателей


В качестве изначальных данных использованы только данные показателей, предоставленные организаторами. Данные отражают значения различных макроэкономических показателей за 2001-2015 год. На основе этих данных создано отображение «временной ряд->параметры пайплайна». В качестве начального приближения для каждого ряда в целях экономии времени использована модель авторегрессии с L2 регуляризацией.


На основе этих данных построена двухуровневая мета-модель, учитывающая структуру временных рядов (Вычисление характеристик по скользящему окну). Для каждого временного ряда выбирается самый близкий по структуре временной ряд из тестовых данных и выбираются гиперпараметры, которые оказались лучшими для похожего ряда из обучающей выборки. В случаях условного предсказания используется модель с добавлением в нее экзогенных переменных.


В качестве проверки финального решения алгоритм будет запущен на тестовых данных, представленных организаторами.


Уникальность:

Использование двухуровневой мета-модели. Автоматическая настройка параметров с помощью фреймворка FEDOT. Возможность масштабирования решения до подбора оптимальной композитной модели.



Стек технологий:

AutoML фреймворк FEDOT, язык программирования python 3.8.

person
Валерий Покровский
г. Санкт-Петербург
Андрей Гетманов
г. Санкт-Петербург
Майя Пинчук
г. Санкт-Петербург

Особенности мероприятия


В Санкт-Петербурге подведены итоги пятого окружного хакатона «Цифровой прорыв. Сезон: искусственный интеллект» ― одного из проектов президентской платформы «Россия — страна возможностей», который проходил на площадке «Ленполиграфмаш».
До финальных защит дошли 56 команд. Участники разработали решения в четырёх кейсах. По итогам хакатона двенадцать команд-победителей разделят между собой призовой фонд в 2 400 000 рублей. Читать далее >>>



Защиты решений







Общий призовой фонд мероприятия составляет 2 400 000 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