Крупный онлайн-марафон, который соберет участников со всей России. Событие пройдет в преддверии дня космонавтики и представит уникальную возможность для разработчиков продемонстрировать свои навыки и презентовать уникальные решения.
Организатор:
Акселератор Возможностей — крупный оператор и организатор хакатонов и инвестиционных мероприятий, куратор инновационного блока ИНТЦ МГУ «Воробьевы горы». Компания занимается привлечением венчурных инвестиций, а также построением технологической инфраструктуры на территории ИНТЦ МГУ. «Акселератор Возможностей» входит в пятерку крупнейших операторов программ корпоративных инноваций.
К участию приглашаются:
Без ограничений
ЦА:
Сomputer vision-специалисты
Задача:
Разработать сервис, позволяющий в режиме работы по api с определенной вероятностью классифицировать фото-сканы автомобильных документов по их типам - определить вероятности соответствия конкретному типу (водительское удостоверение, свидетельство о регистрации транспортного средства, птс, паспорт РФ), а также номер листа/стороны документа, и получить основную информацию/атрибутику из каждого документа.
Данные для анализа:
Коллекция фотографий документов: водительские удостоверения, обе стороны, свидетельства о регистрации авто, паспорта транспортных средств, паспорта РФ.
Предполагаемый результат:
Сервис-api.
Go, Python, JS, PHP.
Задача:
Разработка бота, который позволит упростить пользователям заполнение страницы памяти. Сейчас это делается на форме с десятком полей, которые пользователь вводит последовательно.
Для простых полей, дата рождения, или дата смерти, место рождения - трудностей как правило не возникает. Но в соседнем поле пользователю предлагается уже придумать эпитафию или биографию, это требует очень большого времени и является сложной задачей.
Участникам еобходимо перенести эту сложность на AI и дать пользователю интерфейс чат-бота. Запрашивая набор ответов на достаточно простые вопросы, как на картинке выше, система должна собрать достаточное количество данных для генерации текстов в сложных полях формы.
Важно, чтобы пользователю необходимо было отвечать каждый раз на один вопрос, не выдавать их пачкой, а один за другим. При этом при генерации текста со стороны бота, например для поля Эпитафия, давать возможность пользователю исправить предложенный текст и сохранить его.
Предполагаемый результат:
телеграм-бот, который запрашивает у пользователя основные данные и генерирует тексты на основе фактов там, где требуется фантазия (с интеграцией YandexGPT API)
Без ограничений
ЦА:
Аналитики, разработчики
Описание:
Сервис помощи первокурснику, направленный на максимально комфортную и быструю адаптацию к новым условиям обучения и дальнейшую персонализацию для развития гибких навыков.
Задача:
Создание сервиса облегчающего вхождение абитуриента в студенческую среду, знакомство с правилами колледжа, сервисами доступными студенту. Анализ достижений и неудач студента для персонализированного подбора рекомендаций по дальнейшему развитию (курсы, занятия, короткие программы)
Вводные данные:
Обязательное наличие API для встраивания в основной продукт компании – образовательную платформу LXP IThub
Предполагаемый результат:
минимально жизнеспособный продукт, демонстрирующий основные функции системы, с описанием дельнейшего развития продукта, с объяснением, где и как используется ИИ в работе, описание карты пути онлайн – пользователя, описание архитектуры будущего продукта и технологического стека.
Python, NLP, text classification, PyTorch, BERT, GPT
ЦА:
Data Scientists с опытом
Описание:
Оценка восприятия физическими лицами акций на Российском фондовом рынке на основе анализа сообщений и новостей из профильных telegram-каналов
Задача:
В Telegram появилось множество каналов, посвященных торговле на бирже. Задача построить скоринговый алгоритм на основе методов обработки естественного языка для оценки sentiment по компаниям, торгующим на Московской бирже
Вводные данные:
Выборка сообщений из telegram-каналов, часть из которых размечена
Предполагаемый результат:
На вход скоринговой системе будут подаваться тексты сообщений, возможно, содержащие упоминания некоторых компаний.
Цель:
разработать алгоритм, который будет анализировать видеопоток на наличие аномалий или движений. Алгоритм не должен включать транскодирование видео.
Вводные данные:
удалённый доступ до оборудования
Функциональные требования:
Нефункциональные требования:
Язык программирования:
алгоритм должен быть реализован на любом языке программирования.
Библиотеки:
для анализа битрейта можно использовать любые библиотеки
Тестирование:
алгоритм должен проходить тестирование на различных видеопотоках для проверки его эффективности и точности.
Этапы проекта:
12:00
Торжественное открытие
13:00
Презентация кейсов
Старт и работа над кейсами
17:00
Чек поинт #1
Мастер классы
13 апреля
13:00
Работа над кейсами
Мастер-классы
Чек-поинт #2
14 апреля
09:00
Стоп-код
15:00
Питч-сессия
21:00
Торжественное закрытие
Общий призовой фонд - 1 250 000 рублей!
Формат: онлайн
Регистрация до 8 апреля:
Организатор:
Акселератор Возможностей — крупный оператор и организатор хакатонов и инвестиционных мероприятий, куратор инновационного блока ИНТЦ МГУ «Воробьевы горы». Компания занимается привлечением венчурных инвестиций, а также построением технологической инфраструктуры на территории ИНТЦ МГУ. «Акселератор Возможностей» входит в пятерку крупнейших операторов программ корпоративных инноваций.
К участию приглашаются:
- Участники старше 18 лет;
- Граждане Российской Федерации;
- Команды от 3 до 5 человек;
- Product-менеджеры;
- ML-специалисты;
- Data science специалисты;
- frontend и backend-разработчики.
Кейсы:
1. Меркурий классификатор фото-сканов
Стек:Без ограничений
ЦА:
Сomputer vision-специалисты
Задача:
Разработать сервис, позволяющий в режиме работы по api с определенной вероятностью классифицировать фото-сканы автомобильных документов по их типам - определить вероятности соответствия конкретному типу (водительское удостоверение, свидетельство о регистрации транспортного средства, птс, паспорт РФ), а также номер листа/стороны документа, и получить основную информацию/атрибутику из каждого документа.
Данные для анализа:
Коллекция фотографий документов: водительские удостоверения, обе стороны, свидетельства о регистрации авто, паспорта транспортных средств, паспорта РФ.
Предполагаемый результат:
Сервис-api.
2. Венера телеграм-бот для быстрого заполнения анкетных данных
Стек:Go, Python, JS, PHP.
Задача:
Разработка бота, который позволит упростить пользователям заполнение страницы памяти. Сейчас это делается на форме с десятком полей, которые пользователь вводит последовательно.
Для простых полей, дата рождения, или дата смерти, место рождения - трудностей как правило не возникает. Но в соседнем поле пользователю предлагается уже придумать эпитафию или биографию, это требует очень большого времени и является сложной задачей.
Участникам еобходимо перенести эту сложность на AI и дать пользователю интерфейс чат-бота. Запрашивая набор ответов на достаточно простые вопросы, как на картинке выше, система должна собрать достаточное количество данных для генерации текстов в сложных полях формы.
Важно, чтобы пользователю необходимо было отвечать каждый раз на один вопрос, не выдавать их пачкой, а один за другим. При этом при генерации текста со стороны бота, например для поля Эпитафия, давать возможность пользователю исправить предложенный текст и сохранить его.
Предполагаемый результат:
телеграм-бот, который запрашивает у пользователя основные данные и генерирует тексты на основе фактов там, где требуется фантазия (с интеграцией YandexGPT API)
3. Земля использование ИИ для онбординга первокурсника
Стек:Без ограничений
ЦА:
Аналитики, разработчики
Описание:
Сервис помощи первокурснику, направленный на максимально комфортную и быструю адаптацию к новым условиям обучения и дальнейшую персонализацию для развития гибких навыков.
Задача:
Создание сервиса облегчающего вхождение абитуриента в студенческую среду, знакомство с правилами колледжа, сервисами доступными студенту. Анализ достижений и неудач студента для персонализированного подбора рекомендаций по дальнейшему развитию (курсы, занятия, короткие программы)
Вводные данные:
Обязательное наличие API для встраивания в основной продукт компании – образовательную платформу LXP IThub
Предполагаемый результат:
минимально жизнеспособный продукт, демонстрирующий основные функции системы, с описанием дельнейшего развития продукта, с объяснением, где и как используется ИИ в работе, описание карты пути онлайн – пользователя, описание архитектуры будущего продукта и технологического стека.
4. Марс Sentiment Telegram-каналов на рынке акций
Стек:Python, NLP, text classification, PyTorch, BERT, GPT
ЦА:
Data Scientists с опытом
Описание:
Оценка восприятия физическими лицами акций на Российском фондовом рынке на основе анализа сообщений и новостей из профильных telegram-каналов
Задача:
В Telegram появилось множество каналов, посвященных торговле на бирже. Задача построить скоринговый алгоритм на основе методов обработки естественного языка для оценки sentiment по компаниям, торгующим на Московской бирже
Вводные данные:
Выборка сообщений из telegram-каналов, часть из которых размечена
Предполагаемый результат:
- Уметь находить эти упоминания;
- Система должна уметь выдавать тональность сообщений, где были найдены упоминания компаний: скорее хорошо отзываются о компании в тексте или скорее не очень;
- Для заданного набора сообщений система должна уметь строить краткое резюме того, что написано о компании.
На вход скоринговой системе будут подаваться тексты сообщений, возможно, содержащие упоминания некоторых компаний.
5. Юпитер алгоритм обнаружения аномалий в видеопотоке для реализации алгоритма сервисной аналитики.
Цель:
разработать алгоритм, который будет анализировать видеопоток на наличие аномалий или движений. Алгоритм не должен включать транскодирование видео.
Вводные данные:
удалённый доступ до оборудования
Функциональные требования:
- Анализ битрейта: Алгоритм должен анализировать битрейт каждого пакета в видеопотоке.
- Определение аномалий: Алгоритм должен иметь возможность прогнозирования аномалий на основе исторических данных.
Нефункциональные требования:
- Производительность: Алгоритм должен быть эффективным и быстро обрабатывать видеопоток ресурсами CPU.
- Точность: Алгоритм должен быть точным в определении аномалий, чтобы избежать ложных срабатываний, не более 5% ложноположительных. Работоспособность алгоритма с различными сценами (день/ночь/сумерки/зима/лето и т.д)
- Масштабируемость: Алгоритм должен быть способен работать с различными характеристиками видеопотоков.
Язык программирования:
алгоритм должен быть реализован на любом языке программирования.
Библиотеки:
для анализа битрейта можно использовать любые библиотеки
Тестирование:
алгоритм должен проходить тестирование на различных видеопотоках для проверки его эффективности и точности.
Этапы проекта:
- Анализ и понимание темы
- Разработка алгоритма
- Улучшение алгоритма
- Презентация результатов
Таймлайн:
12 апреля12:00
Торжественное открытие
13:00
Презентация кейсов
Старт и работа над кейсами
17:00
Чек поинт #1
Мастер классы
13 апреля
13:00
Работа над кейсами
Мастер-классы
Чек-поинт #2
14 апреля
09:00
Стоп-код
15:00
Питч-сессия
21:00
Торжественное закрытие
Общий призовой фонд - 1 250 000 рублей!
Формат: онлайн
Регистрация до 8 апреля:
Хочешь узнавать о новых хакатонах, соревнованиях первым?
Подписывайся на наши социальные сети:
Подписывайся на наши социальные сети:
Также, подписывайся на наш Telegram-бот, где мы присылаем хакатоны, соревнования по параметрам, которые интересны тебе:
