На прошлой неделе мы провели большую конференцию Cradle: Rave в Сколково.
Мы организовали множество выступлений на разные темы, а также трехдневные хакатоны по Big Data и мобильной разработке.
В этом посте мы поговорим о лучших идеях, которые сгенерировали более 25 команд из Москвы, Самары и Иннополиса.
Мы оценивали решение задач в соответствии с тем, к чему сами стремимся в СберТехе.
Основные критерии — актуальность, масштабируемость для 20 миллионов пользователей, относительная простота внедрения и развития функционала.
Также мы учли оригинальность подхода и техническую составляющую, уровень реализации прототипа и подачу команд.
Мобильная разработка
На хакатоне мобильной разработки мы ожидали от участников три заявки:- персональный финансовый менеджер с функциями рекомендаций и отчетности,
- мессенджер с функциями чат-бота, аудио- и видеозвонками,
- интерактивная карта города с отделениями и банкоматами.
Приложение оказалось достаточно хорошим и законченным для запуска на рынке.
На втором месте оказалась командой Save Money с финансовым планировщиком для студентов.
Приложение помогает планировать бюджет, управлять расходами и финансовыми рисками.
Пользователи могут устанавливать суммы расходов/доходов, классифицировать расходы и планировать покупки.
Чтобы упростить задачу, планировщик дает подсказки.
В ходе хакатона проект был разработан с нуля, без использования сторонних фреймворков.
Никто не занял первое место на хакатоне мобильной разработки.
Члены жюри не увидели ни в одном проекте оригинальности самой идеи и исполнения, а также использования инноваций.
В основном все участники показывали конструкторы из готовых фреймворков и решений, некоторые использовали собственные наработки с предыдущих хакатонов.
Кроме того, ни одна команда не работала над третьей задачей — интерактивной картой города, требовавшей использования различных технологий, в том числе VR.
Большие данные
Участники хакатона по большим данным создали два продукта:- чат-бот, предоставляющий аналитику недвижимости в заданном районе на основе алгоритмов машинного обучения,
- алгоритм оптимизации совместных пассажирских перевозок с заранее заданным количеством ресурсов.
Победители одинаково хорошо справились с первым заданием.
В итоге победитель определялся по задаче оптимизации и различным нюансам.
Третье место взял команду GoGeo с ботом gogeo_bot .
Вы задаете у бота адрес и другие условия, а в ответ получаете полезную демографическую информацию: сколько людей проживает в данной локации, каковы доходы населения, какова прибыль действующего там бизнеса и т.д. В будущем команда планирует развивать проект в полноценный сервис, который поможет открыть новые точки бизнеса.
Участники GoGeo будут очень признательны, если вы оставите отзыв на их сайте: www.gogeo.me .
Второе место от команды EORA. Задачу определения класса офиса она решила, проанализировав комментарии продавца или арендодателя.
По ним система определяет актуальность продажи офиса, наличие лифта в здании, отделку самого офиса и другую информацию.
По координатам здания система определяет улицу, район и административный район, а по районам — уровень преступности.
Также система умеет найти ближайшую станцию метро и расстояние до нее, а также избавиться от ненужных данных.
Участники заполнили все пробелы -1 и обработали все данные с помощью CatBoost — модели машинного обучения от Яндекса.
В итоге по макрометрике f1_score был получен результат ~0,9 — это дало второе место.
EORA решила задачу оптимизации пассажирских перевозок с помощью линейного программирования.
Алгоритм команды нашел оптимальный маршрут с минимальным общим пробегом.
В расчетах учитывались ограничения: пользователь может сесть одновременно только в один автомобиль, водитель может управлять только одним автомобилем, пользователю может быть отказано в поездке и т. д. При построении маршрута алгоритм учитывает положение и водитель, и клиент. 
Победитель bigdata-хакатоном выступила команда «Канапе».
Их чат-бот для первого задания показался жюри лучшим с точки зрения реализации основных функций, а еще они добавили поиск по геолокации с голосовым управлением.
Вторую задачу команда разделила на две части.
В первой части алгоритм оценивает распределение заказов и побуждает водителей эффективно объезжать всю территорию и быстрее забирать клиентов.
Во второй части оптимизировано движение водителей с пассажирами, чтобы они подбирали попутчиков по дороге и перевозили до четырех пассажиров одновременно.
Победитель хакатона по большим данным получил 250 тысяч рублей, команды, занявшие второе и третье места, — 150 и 100 тысяч соответственно.
Особая благодарность нашему партнеру IBM за предоставление платформы.
Опыт IBM в области науки о данных (интерактивная среда для совместной работы над задачами анализа данных) Теги: #Машинное обучение #Разработка под Android #Разработка мобильных приложений #хакатон #Big Data #сбербанк #сбертех #сбертех #Колыбель: Rave #Сбертех
-
Схема Метро Москвы И Всего Мира Для Android
19 Oct, 24 -
Сохранение Мозга Со Всеми Его Синапсами
19 Oct, 24 -
Порекомендуете Vps? Медиапроект, Начало
19 Oct, 24 -
Js Sdk Узла Вконтакте
19 Oct, 24
