Обновлено: в конкурсе от AI Russia выбрали шесть человек, которые доходчиво объяснили термины машинного обучения.
Материал подготовлен при поддержке проекта AI Russia
Машинное обучение и нейросети уже везде: от колл-центров до перерабатывающих заводов. Проект AI Russia собирает реально работающие ИИ-кейсы в библиотеку AI Russia Works, а самые выдающиеся проекты будут награждены премией AI Russia Awards.
Вместе мы запускаем конкурс на самое простое и интересное объяснение терминов из области машинного обучения. Задача не такая уж простая: тяжело объяснить технический термин человеку не из индустрии — вашей соседке, бабушке или племяннику.
Суть конкурса
В комментариях к этой статье дайте понятное определение любого из предложенных терминов. Вот они:
- рекуррентная нейронная сеть;
- свёрточная нейронная сеть;
- дата-сеты;
- случайный лес / решающие деревья;
- градиентный бустинг.
Метафоры, аналогии, необычные сравнения — сделайте так, чтобы сложный термин понял человек, совсем далёкий от сферы машинного обучения.
Как будет проходить конкурс
Чтобы принять участие в конкурсе, нужно обязательно авторизоваться на сайте. После этого можно смело писать свой комментарий.
Конкурс продлится три недели — с 23 ноября по 14 декабря. До 23:59 7 декабря собираем комментарии, а затем подводим итоги.
В жюри будет команда из ИД «Комитет», Mail.ru Group, «Яндекса», МТС, «Газпром нефть». Они оценят оригинальность определений и вместе с тем их «понятность». Сыграют свою роль и лайки, но накрутить их не получится: такие вещи мы отследим.
В декабре объявим победителей в этом же материале и анонсируем его в соцсетях, чтобы вы не пропустили. Авторы пяти лучших комментариев получат призы, а их определения будут использованы в материале об искусственном интеллекте на vc.ru.
Призы
№1 «Капсула» — умная колонка с Марусей
№2 «Капсула» — умная колонка с Марусей
№3 «Яндекс.Станция» — умная колонка с Алисой
№4 Умная колонка МТС — с голосовым помощником Марвином
№5 Okko Smart Box — медиаприставка
№6 Okko Smart Box — медиаприставка
Победители
Планировали выбрать пятёрку определений, но в итоге отобрали шесть призёров.
Рекуррентная нейронная сеть
Победительница: Ксения Перепелкина — комментарий
Приз: Умная колонка МТС — с голосовым помощником Марвином
Свёрточная нейронная сеть
Победительница: Мария Молчанова — комментарий
Приз: «Яндекс.Станция» — умная колонка с Алисой
Датасет
Победитель: Kolyunya — комментарий
Приз: «Капсула» — умная колонка с Марусей
Случайный лес
Победитель: Jack Volan — комментарий
Приз: Okko Smart Box — медиаприставка
Градиентный бустинг
Победитель: Адель Минхаеров — комментарий
Приз: «Капсула» — умная колонка с Марусей
Дополнительный приз
Свёрточная нейронная сеть
Победитель: Кирилл Буровин — комментарий
Приз: Okko Smart Box — медиаприставка
Как распределились призы
Призы распределились между победителями случайным образом с помощью генератора случайных чисел. Вот ссылка на скринкаст.
Как получить приз
С каждым победителем мы свяжемся в личном сообщении на vc.ru и сообщим, как и где забрать подарок.
Также некоторые определения финлистов войдут в декабрьский материал AI Russia о самых интересных ML-кейсах страны.
Информация об организаторе, правилах, количестве призов, сроках, месте и порядке их получения по ссылке.
AI Russia Works — первая библиотека российских AI-кейсов с доказанной бизнес-эффективностью.
В библиотеке очень простая навигация, интерактивные кейсы и полезные материалы по реальному применению ИИ в бизнесе. В 2021 году самые успешные проекты из библиотеки будут награждены премией AI Russia Awards.
Библиотека и премия AI Russia — проект Альянса крупнейших технологических компаний по развитию искусственного интеллекта. В него входят Mail.ru Group, «Сбер», «Яндекс», МТС, «Газпром нефть» и РФПИ.
Наконец-то в Яндексе поняли, что они не умеют преподавать.
Случайный лес / решающие деревья – это когда одна бабка называет кого-то наркоманом или проституткой, но из неуверенности делает это с другими бабками, и их общее мнение в этом звучит громче, чем и определяет объект наркоманом или проституткой.
А мне кажется, что их практикум — самая лучшая платформа для обучения. Я сам там не учился, но видел резюме, которые оттуда приходят и какие приходят с других платформ.
Комментарий недоступен
Смотрел гитхабы кандидатов с разных площадок. Лучшие приходят из яндекса. Такое ощущение, что на других платформах проекты учеников просто не смотрят. Качество хуже, чем на часовых уроках уровня Getting Started на страницах определенных категорий.
Я не ищу выпускников физтеха с глубоким знанием алгоритмов, мне это и не нужно, но с задачей подготовить программиста под конкретную нишу они очень хорошо выполняют. Допускаю, что с алгоритмами и структурами данных там не все так хорошо, но ни один из сервисов на схожих курсах этого и не обещает.
Дело в другом, когда ищешь человека с опытом, разговор другой и гитхаб отходит на третий план, а когда ищешь джуна, которые о себе не могут рассказать больше, чем «закончил онлайн-курсы, возьмите меня», кандидаты, которым есть, что показать (хотя бы простецкий проект, сделанный за неделю), сильно выделяются и попадают как минимум в топ 10% среди остальных пустых резюме. В этом плане, кандидаты из яндекса показывают результат лучше, чем с других платформ, хотя и не без исключений.
Ага, настолько лучшая платформа, что они даже вакансии джунов закрывать предпочитают в чатиках телеги и hh.
А они разве гарантируют трудоустройство? В том и дело, что я слышал от людей, который там учились, что никакой стажировки им не обещают, а в рекламе на ютюбе слышал от их конкурентов про гарантированное трудоустройство и очередь из работодателей.
Самое главное, что я увидел — это, что на выходе люди получают реальные проекты, где есть на что посмотреть и не течет кровь из глаз, это сильно повышает шансы кандидатов.
Комментарий недоступен
Так я о том же и говорю
Уже третий месяц прохожу курс на Практикуме по направлению Data Science. Действительно, никто не гарантирует трудоустройство, но оказывают поддержку - помогают оформить портфолио, создать с нуля резюме (для большинства студентов это новая сфера), как говорить о себе и своих проектах. В среднем на поиск работы уходит от 3 до 8 месяцев (судя по отзывам).
Мне очень нравится учебный процесс. Адекватные наставники по проектам, задачам в тренажере и консультации каждые выходные. Отдельно рад код-ревью. При проверке ревьюер дает комментарии и объясняет более рациональное решение, чем сделал ты сам. Ещё учат работать с документацией. Мне кажется, что это очень важно.
О себе: я маркетолог-аналитик, но понял, что отстал от рынка. Решил сменить сферу деятельности и хочу попасть в ритейл или банк. Радует, что на сервисе есть проекты по кредитному скорингу и проекты по оттоку клиентов.
Но это ведь тоже важная профессия. Да и не такая запарная.
Да, верно. Но я уже достиг потолка по зп и решаемым задачам. Банально скучно. Для роста нужны дополнительные знания. Сейчас маркетолог-аналитик постепенно переходит в сферу дата аналитики (на мой субъективный взгляд). Особенно это стало заметно во время карантина, когда работодатели стали повышать планку требований к таким специалистам. Вот и решил для себя, что мой текущий опыт вполне может "лечь" на навыки Data Science, ведь различные гипотезы/аналитика/выводы/ я уже делаю давно. Есть положительные кейсы, конвертированные в новые успешные и прибыльные продукты. Так что надеюсь - всё не зря)
Мне всегда было интересно, как так происходит. Вроде в начале было достаточно знать html и ты был высокооплачиваемым спецом, а теперь ты должен знать кучу всего и зарплата на уровне дворника. Норм смешали с грязью однако.
А чему тогда учат на курсах? 10% навыкам джуна? или чему? Зато если есть "свои да наши", в простонародье "по блату" - что сейчас модно называть "нетворкингом" - то пожалуйста, и на собес пригласят и возьмут с бОльшей вероятностью).
При этом, я могу представить, что с потока в 50-100 человек, половина даже не пройдут до конца курс до конца. Но среди оставшихся что - не будет ни одного, кому бы можно было предложить работу?
А чему ты тогда учишь-то, за такие деньги?
Практикум может быть и да, но лекторы у них вообще не умеют преподавать. Так плохо объяснять простой материал надо уметь.