Как мы сделали межгалактический хакатон: пошаговая инструкция, наша гордость и щепотка ошибок
Что это вообще такое и как выглядит?
Когда мы только начали разрабатывать структуру онлайн-магистратуры, наш академический директор Ваня Ямщиков был убежден, что в наших программах должно быть как можно больше практики. И он был прав. Но об этом позже. Сейчас мы расскажем, что такое межгалактический исследовательский хакатон, который мы проводили с 9 по 14 марта.
Итак, по порядку: размышлять над хакатоном мы начали еще в ноябре, а к активной разработке приступили примерно 9 февраля, когда до старта оставался месяц. Мы понимали, что этот интенсив должен давать наборы навыков, которые сложно или невозможно получить, проходя стандартное обучение: опыт работы в команде над реальным кейсом, работа над проектом в сжатые сроки, навыки product и project менеджментах в IT-проекте и готовность представить результаты проделанной работы реальному заказчику.
Постепенно в нашем обсуждении появилась тема книги «Автостопом по галактике» — мы поняли, что можно сравнить исследовательский хакатон с историей Дугласа Адамса про поиск мудрецами ответа на главный вопрос жизни, вселенной и всего такого. Так у нашего интенсива появился контекст: с помощью цитат и пасхалок мы аккуратно вплели сюжет книги в переписку со студентами, а также в сценарий открытия и закрытия хакатона.
Как проходил хакатон?
Мы пригласили для постановки задач 5 компаний и их представителей. Например, DVHB, АО «НИИАС» (дочернее общество ОАО «РЖД»), Intellivision и ментора Николая Толстова DS Team Lead & Merlin AI — он предложил студентам свой проект.
Для начала мы ввели участников в курс дела: рассказали им про цели, задачи и критерии оценки итогового результата. Затем студенты распределились по командам — тут мы дали им полную свободу действий, участники сами решали, по какому принципу и кого пригласить в свою команду. 9 марта мы провели открытие межгалактического хакатона в Zoom: компании-заказчики презентовали свои кейсы и провели консультации для студентов. Участники собрали всю необходимую им информацию и приступили к решению задач.
«Студентам было необходимо решить какой-то кейс методом анализа данных, при этом привнеся в него исследовательский вклад. Мы дали участникам 2 трека на выбор: в первом нужно было решить реальный кейс от индустриального партнера. А во втором студенты могли написать мотивационное эссе и работать над своей собственной задачей. Все выбрали первый трек, распределились по задачам и решали их в течение всего четырех дней – очень интенсивная работа».
Чтобы мотивация не испарялась, а в голове крепко держалась цель, мы разбили задачи на пять чекпоинтов, распределив их по дням. За преодоление каждой такой точки и своевременное выполнение задач команды получали баллы, которые учитывались при оценивании в полуфинале.
Кто всем этим занимался и какими были этапы работы?
Чтобы собрать исследовательский хакатон, мы задействовали 10 человек из нашей команды Zavtra.online и 12 менторов из компаний-партнеров. Наш руководитель команды сопровождения Елена Цепляева разбила процесс на несколько этапов. Опираясь на них, шаг за шагом, мы выстроили цепочку взаимосвязей, из которых и получился наш интенсив:
- Определить цель
- Задать общие рамки (содержание и сроки)
- Задать уровень вовлеченности, к которому стремимся
- Прописать правила для участников
- Определить чекпоинты информирования
- Определить содержание информирования
- Найти партнеров
- Подготовить техническую базу (slack, miro, zoom)
- Стартовать информирование студентов и формирование команд
- Стартовать Хакатон
Очень важно было найти хороших заинтересованных партнеров. Их искали наши менеджер по развитию бизнеса и партнерских связей Яна Труфанова и продюсер Настя Савченко.
«У большинства компаний есть ряд задач, на которые не хватает рук, сил, времени, свежего взгляда. Я как раз искала такие проекты. С кем-то мы давно дружим, и я точно знала, что им хотелось бы найти хороших дата-сайентистов, кому-то писала «в холодную» — сначала составляла список тех, кому потенциально могли бы понадобиться будущие профессионалы в области дата-сайенс. Потом связывалась с ними в Facebook или в Telegram, предлагала сотрудничество, объясняла, что наша магистратура заточена не на получение маленького объема знаний, а на глубокое освоение профессии — мы академически готовим специалистов. Так к нам и подключились наши партнеры».
Разработать концепцию, пригласить партнеров и организовать техническую часть недостаточно — все это обрушилось бы, если бы нам не удалось заинтересовать студентов так, чтобы они довели задачи до конца и остались довольны своими результатами. Помимо чек-поинтов, о которых мы рассказывали выше, помогло сотрудничество с самими участниками, вовлечение их в процесс как главных героев межгалактического путешествия.
«Лучше всего поддерживают мотивацию определенность и максимальная прозрачность, наличие примеров конечного результата и осознание участниками хакатона ограниченности временного ресурса. Мне кажется, что очень положительно повлияла на мотивацию возможность получения консультаций от практикующих дата-сайентистов из компаний, которые предоставили нам кейсы».
«Мы подбадривали студентов в тяжелые моменты, шутили, объясняли, что, хоть путь и сложный, но его преодоление возможно, что даже часть результата лучше, чем ничего. Мы были рядом 24/7, оперативно реагировали на запросы участников к заказчикам».
Где мы ошиблись и чем гордимся?
Важный момент создания любого продукта: после каждого большого шага проводить общую рефлексию, выявлять недочеты и запоминать классные решения. И вот, что мы поняли:
Основная проблема, с которой мы столкнулись, была связана с распределением студентов по кейсам. Также у некоторых студентов были сложности с решением задач, но не все их авторы могли дать консультации по их решению. Поэтому установочные и промежуточные встречи и в целом вовлеченность экспертов очень важны
Я горжусь нашей работой над всеми элементами хакатона: начиная с лендинга, который мы подготовили самостоятельно (и содержательно и визуально: вся разработка и дизайн на нас. Спасибо Насте Савченко, а также Figma и Tilda), продолжая поиском партнеров и работой над составлением задач, заканчивая настоящим шоу, которое мы смогли организовать на открытии и закрытии хакатона. Особенно, наверное, горжусь выступлением Ани Литоминой из группы Трипинадва на финале нашего хакатона. Это стало настоящей вишенкой на торте.
Наши студенты: кто эти люди и как они относятся к нашей работе?
В хакатоне участвовало 15 команд — 83 студента. Каждый из них пришел в онлайн-магистратуру со своим бэкграундом. Кто-то уже владел базовыми навыками, кто-то только вливался в тему работы с данными. Например, среди участников были дизайнер, СММ-менеджер, ведущий специалист по эксплуатации лифтов и подъемных механизмов, программист-разработчик, технический директор.
«Мое образование — менеджмент на предприятии, я работала в продажах более 10 лет. Решила поменять профессию: из менеджера в IT. Сейчас я все изучаю с нуля, только математику и статистику видела в первом образовании, Python первый раз увидела в первом семестре магистратуры.
На хакатоне моя команда работала с кейсом от ментора — “Предсказание победителя-бойца UFC”. При выборе команды я опиралась на способности моих будущих коллег: выбирала из тех, кто обладает хард скиллами в коде, хорошо учится и поддерживает связь в Slack — кота в мешке не хотелось. Надо сказать, что участие в хакатоне дало мне понимание реальной задачи, я увидела, как ребята кодили в риал тайме, сколько на это ушло времени, поняла что нельзя терять время и надо сразу приступать к задачам. Командная работа крайне важна, коммуникация внутри команды необходима как воздух, иначе результата не будет. Я выявила свои сильные стороны: оказалось, что у меня хорошо развит проджект менеджмент, я могу мотивировать, координировать и толкать. Но есть и слабые: привычка все оставлять на последний момент, лень. А еще поняла, что практика для меня очень важна, но мне, как новичку, нужен индивидуальный подход».
«Чтобы обучение было успешно, необходимо сформировать у человека потребность в знаниях. Именно в работе над реальными задачами студент начинает понимать, какой информации ему не хватает, он задается вопросами и начинает искать ответы. Простая теория, которая традиционно преподается в наших вузах, не усваивается, пролетает мимо ушей, потому что в ней нет потребности, студенты не применяют знания и не задаются вопросами».
Работа одной из команд
У студентов было пять кейсов: Формирование мультизаказов, «Анализ схем севооборота» (DVHB), «Анализ данных для формирования составов» (АО «НИИАС»), «Предсказание победителя-бойца UFC» (Николай Толстов) . Мы расскажем про один из них — задачу, которую поставила компания Intellivision — «Кластеризация изображений транспортных средств».
Командам, выбравшим этот кейс, предстояло разбить изображения на кластеры и проинтерпретировать их. Участники получили фотографии снятых с разных ракурсов различных типов транспортных средств. Для каждого такого файла командам дали готовые векторы признаков (дескрипторы), полученные с помощью разных глубоких моделей. Для всех вариантов дескрипторов нужно было применить несколько алгоритмов кластеризации и сравнить полученные результаты — по метрикам и по тому, насколько кластеры хорошо интерпретируются. Результат должен был быть представлен в виде jupyter notebook и csv файла с лучшей разбивкой на кластеры и выбросы (изображения плохого качества или картинки без транспортных средств).
«Чтобы решить эту задачу, для начала мы провели небольшое исследование: пробовали разные модели предобработки и кластеризации и сравнивали результаты. Потом, когда подобрали модели, собрали пайплайн и уменьшили размерность больших дескрипторов. Потом протестировали все предложенные дескрипторы».
Мнение компаний-авторов кейсов
Мы расспросили Андрея Потапова, R&D engineer компании Intellivision и автора кейса по кластеризации изображений транспортных средств о том, как он оценивает работу наших студентов, планирует ли приглашать кого-то на стажировку и был ли, по его мнению, хакатон полезен для участников:
Если оценивать работу участников по пятибалльной шкале, я бы поставил 4. Студенты знакомы с основными алгоритмами кластеризации. Некоторые команды допустили ошибки в использовании алгоритмов. Были и корректные решения. Возможно, мы пригласим кого-то на стажировку — мы готовы рассмотреть участников, если будет хакатон по глубокому обучению.
Прошедший хакатон, я считаю, был очень полезен. У студентов была возможность порешать реальные задачи, на реальных данных, пообщаться со специалистами из индустрии
Результаты хакатона
В Zoom непросто сохранить атмосферу межгалактического путешествия, но мы справились. Например, ведущий закрытия хакатона выглядел так:
По итогам хакатона в финал вышли 3 команды с задачами:
- Кейс DVHB «Анализ схем севооборота»
- Кейс Intellivision «Кластеризация изображений транспортных средств»
- Кейс от ментора «Предсказание бойца-победителя UFC»
Мы уверены, что команды научились работать в условиях жесткого дефицита времени, уточнять требования у заказчика, договариваться друг с другом, планировать работу команды и распределять ответственность, убедительно представлять полученные результаты. Ну и, конечно, использовать все, что было изучено, на практике.
Горжусь!