X-MAS HACK 2023

Примите участие в уникальном новогоднем мероприятии, которое охватит самые популярные направления для разработки инновационных решений: Финтех, Информационная безопасность, Искусственный интеллект, Data Science, Legal Tech, Электронная коммерция.

Для кого мероприятие?

• разработчики;
• ml-специалисты;
• продакт-менеджеры;
• data science-специалисты;
• команды от 3 до 5 человек;
• backend-разработчики;
• frontend-разработчики;
• а также стартаперы, студенты, специализирующиеся на генерации идей;
• все талантливые люди, предлагающие инновационные решения для бизнеса;
• все те, кто хочет прокачать свой питч.

На хакатоне вас ждет:

Нетворкинг
Познакомься с людьми со схожими интересами, участвуй во всех активностях от приглашенных экспертов!
Поддержка
Прокачивай свои hard и soft skills, решая задачи хакатона или идеатона под менторством экспертов от компаний-партнеров, разработай лучшее решение!
Карьера
Хакатон — это шанс проявить себя перед топ-менеджерами. Добавь успешный кейс в свое портфолио. Отправляй отклик на вакансии от партнеров на платформе ЗаводIT и получи оффер в крутую компанию
Разнообразие задач
X-MAS HACK 2023 охватит самые популярные направления для разработки инновационных решений: Финтех, Информационная безопасность, Искусственный интеллект, Data Science, Legal Tech, Электронная коммерция
Настоящее соревнование
X-MAS HACK 2023- новогоднее мероприятие, аккредитованное Федерацией спортивного программирования России, участвуй и становись спортсменом!

Кейсы хакатона:

1. Разведочный анализ данных с Wi-Fi роутеров о перемещениях пользовательских устройств по городу

Стек технологий:

• Любые инструменты для анализа данных. Например, SQL, Python, R
• Для визуализаций: JavaScript (например, maplibre, leaflet, openlayers) или Python (например, matplotlib)

Исходные данные:

• Справочник расположения WiFi роутеров
• Граф улично-дорожной сети (набор дуг и узлов)
• Набор данных за год (с выбросами, пропусками).

Структура данных:
Уникальная метка записи (UUID); Дата и Время (RFC3339); Идентификатор WiFi роутера (UUID или MAC), Идентификатор пользователя (MAC), Уровень сигнала (db)

Задачи:

1. Провести разведочный анализ данных (EDA — Exploratory data analysis). Проанализировать изменения дорожно-транспортной ситуации с течением времени на основе перемещений между роутерами. Построить временную шкалу по неделям
2. Составить матрицу перемещений/спроса с расчётом среднего времени поездки по трём видам интервалов: утренний час пик, день, вечерний час пик.
3. Визуализировать результат на диаграммах/картограммах
4. Предоставить замечания/комментарии, если такие появятся, к расположение WiFi роутеров для качественного улучшения охвата города

2. Цветокорректор

Целевая аудитория:
Разработчики/студенты с опытом в AI/ML/CV

Стек: AI/ML, opencv

Описание:
В последнее время нас окружают все больше камер. Камеры смартфона, камеры видеонаблюдения. При этом, камеры, как и люди видят все немного в разном цвете. Проблема детекции цвета известна и достаточно хорошо изучена, однако смена камеры, тень от предмета рядом или блик могут привести к некачественный распознавания цвета. Предлагается в рамках проекта разработать средство автоматической коррекции цвета на изображении, полученном с разных камер, например наружного наблюдения.

Задача:

1. Разработать инструмент (включающий в том числе веб-интерфейс) для калибровки цвета уже установленных камер. При этом камеры могут быть физически находиться в разных городах.
2. Создать сервис для коррекции цвета на фото с камеры с учётом теней, блоков и засветов, например, для стационарного объекта, который снимает камера.

Вводные данные: Фото/видеопоток с камер

Выходные данные:

• Модель, корректирующая цвет на изображениях с камер
• Модель, корректирующая цвет на фото без блика или тени
• Результат обработки изображений

3. Планирование рекламных кампаний

Цель проекта: Построить прогностическую модель для рейтинга рекламных блоков, для более оптимального планирования рекламных кампаний.
Задание ограничено 1 телеканалом и 10 его регулярными телепрограммами.

Задачи:

1. Генерация признаков на основе предоставленных данных. Определение и оценка значимости факторов, влияющих на телесмотрение блока.
2. Подбор оптимального алгоритма модели, гиперпараметров и т. д.

Предоставляемые данные:

• Исторические данные: Смотрение рекламных блоков — за 2023 год (январь-октябрь)
• Данные для прогноза: Данные по выходам блоков за ноябрь 2023 без значений смотрения (его нужно спрогнозировать)

Состав данных:

• Дата
• ID Блока
• Время начала блока
• Время окончания блока
• Время начала программы
• Программа
• Категория программы
• Жанр программы
• Рейтинг блока (переменная, которую нужно спрогнозировать)

Формат результатов:
Прогноз смотрения рекламных блоков (далее он будет сверен с фактом) в заданном формате.

4. Предсказание потребностей и болей клиентов

Цель:

• Разработка целевых продуктов, подрывных инноваций, которые решают конкретную задачу клиента.
• Более точное формирование УТП

Проблема:
Длинный цикл между стадией исследования болей и потребностей клиентов и стадией разработки продукта. Из-за чего скорость вывода продуктов замедляется. Разработка продуктов не всегда решает конкретную задачу пользователя.

Задача:
Разработать модель, которая может предсказывать потенциальную боль и проблему клиента в конкретном отраслевом сегменте на базе характера ведения клиентом его бизнеса, объема бизнеса, общего состояния отрасли.

Идеатон:

Это секция, в которой ты можешь предложить свою идею, проработанную по определенным критериям, обсудить ее с экспертом и побороться за денежный приз.

Что дает участие в идеатоне?

• прокачка лидерских качеств и навыков коммуникации;
• крутые призы;
• свобода выбора –проработка идеи с нуля до уровня концепции;
• знакомство с опытными спикерами;
• разработка бизнес-идеи для топовой компании.

Кейсы идеатона:

1. Интеллектуальные транспортные системы

В каждом большом динамично развивающемся городе остро стоит вопрос организации дорожного движения и борьбы с заторами. Одним из наиболее распространнёных решений данной проблемы является внедрение интеллектуальных транспортных систем (ИТС) для управления трафиком на дорогах.
При этом нет единых критериев оценки эффективности построенных систем и параметров, на основании которых принимаются решения для распределения транспортных потоков.
Поэтому организаторы предлагают вам выявить факторы и сопоставить их между собой, которые могли бы помочь эффективно бороться с заторами и перераспределять транспортные потоки в разных городах мира.

В качестве основы для работы над данной проблематикой предлагается использовать периферийные устройства, входящие в аппаратно-программный комплекс SmartLight: детекторы транспорта, датчики экологических параметров, Wi-Fi снифферы, устройства оповещения, модуль взаимодействия дорожной инфраструктуры с автомобилями (технология V2X), дорожные контроллеры, и «умные светофоры».

Данные, получаемые с устройств:

• Детекторы транспорта — дистанция между автомобилями, метры; скорость, км/ч; интенсивность движения, авт./час; состав транспортного потока; занятость полосы.
• Датчики экологических параметров — концентрация вредных газов; опционально: уровень радиации, шума, вибрации, освещённости, солнечной радиации.
• Wi-Fi снифферы- распределение потоков на улично-дорожной сети.
• Дорожные контроллеры — данные о продолжительности фаз.
• «Умные светофоры» — данные видеопотока.

На основе данных с приведённых устройств, необходимо разработать перечень параметров, связанных единой логикой, для эффективного управления транспортными потоками на улично-дорожной сети городов.

Однако данный перечень устройств может выдавать не все характеристики, которые могли бы вам помочь сформировать параметры. Поэтому вам необходимо обосновать, какие данные и дополнительные факторы могли бы повлиять на изучаемую вами переменную, и найти источники данных, из которых можно взять необходимую информацию.

Нужно сформулировать исследовательский вопрос и гипотезу, продумать механизм влияния выделенных факторов на потоки, найти необходимые данные и предложить план дальнейшего исследования поставленного вопроса.

2. Алгоритм вывода новых продуктов для сервиса рекомендаций

Цель:
Разработать алгоритм вывода новых продуктов для сервиса рекомендаций

Вводная часть:
На рынок не так давно выведен сервис рекомендаций банковских и финансовых продуктов. Участник программы регистрируется на странице сервиса, рекомендует продукты и получает вознаграждение за успешную рекомендацию. Сейчас для рекомендаций доступны сервисы доставки — Самокат, СберМаркет, подписки на СберПраво, СберЗдоровье, а также лёгкие банковские продукты, такие как кредитные и дебетовые карты и продукты автострахования.

Ваша задача:

• Предложить дополнительный пул продуктов, который будет пользоваться популярностью среди рекомендателей. Тут также важно сформулировать критерии выбора и разработать алгоритм от идеи до запуска в разработку.
• Разработать модель управления разработкой.
• Составить модель компетенций участников процесса разработки от этапа генерации продукта до вывода продукта.
• Распределить сотрудников по командам в соответствии с выбранной моделью.
• Выбрать фреймворки и и инструменты, позволяющие выстроить процесс производства в команде разработки

Таймлайн:

до 19 декабря (23:59 мск)
Регистрация;
22 декабря
Открытие;
22-24 декабря
Хакатон;
24 декабря
Демо-день;
24 декабря
Награждение победителей.

Призовой фонд:
1 000 000 рублей и подарки самым активным участникам, мерч и сертификаты!

Формат: возможно принять участие как онлайн, так и оффлайн

Регистрация на хакатон до 19 декабря:

Хочешь узнавать о новых хакатонах, соревнованиях первым?
Подписывайся на наши социальные сети:

Также, подписывайся на наш Telegram-бот, где мы присылаем хакатоны, соревнования по параметрам, которые интересны тебе: