Окружной хакатон
26-28 августа, Санкт-Петербург, пр. Медиков, д. 3, лит. А, «Ленполиграфмаш»
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.
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.<
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.
13 декабря
В рамках Russian Internet Week на AI-Day подвели итоги проекта «Цифровой прорыв. Сезон: искусственный интеллект»
09 декабря
Как искусственный интеллект помогает решать проблему отходов
06 декабря
Как искусственный интеллект борется за живую природу
30 ноября
Объявлены победители регионального чемпионата «Цифровой прорыв. Сезон: искусственный интеллект» в Республике Крым
30 ноября
Будущие технологии искусственного интеллекта обсудили участники сессии AI RBC TECH
30 ноября
Объявлены победители регионального чемпионата «Цифровой прорыв. Сезон: искусственный интеллект» в Амурской области
28 ноября
Почта России поддерживает «Цифровой прорыв. Сезон: искусственный интеллект»