Размер:
AAA
Цвет: CCC
Изображения Вкл.Выкл.
Обычная версия сайта
 
Demidov Yaroslavl State University

Анна Чувилина: «Пройти курс по машинному обучению было непросто, но оно того стоило»

12.26.2016
Анна Чувилина: «Пройти курс по машинному обучению было непросто,  но оно того стоило»

Анна Чувилина: «Пройти курс по машинному обучению было непросто, но оно того стоило»

С 12 ноября по 7 декабря 2016 года в Ярославле впервые прошли интенсивные курсы по машинному обучению Yappi Days Loves Machine Learning. Организовали и провели это мероприятие Студенческое научное общество факультета ИВТ, математический факультет ЯрГУ и IT-компания «Аквелон». О прошедшем событии рассказывает один из организаторов интенсива, председатель СНО факультета ИВТ ЯрГУ Анна Чувилина.

- Идея организовать интенсив по машинному обучению возникла не вдруг: мы с Марией Каряевой, аспиранткой факультета ИВТ, уже проводили курсы по Machine Learning для студентов факультета. Информация об этом разошлась по соцсетям, и к нам обратилась компания «Аквелон» с предложением провести эти курсы для большего количества слушателей, а в качестве спонсоров привлечь компании «Microsoft» и «Аквелон». Мы решили воспользоваться этим предложением и организовать настоящий интенсив – максимум информации по основам машинного обучения в сжатые сроки.

- Кого из лекторов вы пригласили на интенсив?

- В интенсиве приняли участие Мария Каряева, Андрей Рагимов, студент 5 курса математического факультета ЯрГУ, и Михаил Тряхов, преподаватель математического факультета ЯрГУ, senior SDE Akvelon/Microsoft. Были и приглашенные лекторы – Владимир Волохов, преподаватель физического факультета ЯрГУ, и Максим Панов, Research Scientist, «Сколтех»

- Поясните, что значит Machine Learning?

-  Машинное обучение – это обширный раздел искусственного интеллекта, который изучает методы построения алгоритмов, способных обучаться. Фактически мы обучаем машину на основе некоторых данных, и дальше она может работать с данными самостоятельно.

- Слушателями курса были в основном студенты математического факультета и факультета ИВТ?

- Когда мы только начали заниматься организацией интенсива, мы поняли, что не знаем свою аудиторию - кто занимается этим в нашем университете, в нашем городе, кому это просто интересно. Тогда мы решили, что Machine Learning нужно продвигать и создавать аудиторию самим. Вначале на курс записалось около 80 человек. 












В основном это были, конечно, студенты факультета ИВТ и математического факультета. Но интерес к машинному обучению проявили и представители факультета психологии, и  физического факультета ЯрГУ, и молодые специалисты, которые уже работают в ярославских IT-компаниях. 

- 80 слушателей – неплохо для первого раза.

- Дело в том, что не все дошли до финала – все-таки курс был непростой, много математики. Заниматься нужно было регулярно, но вечерами, такое расписание не всем подходило. Но зато те, кто дошел до конца – самые стойкие!

- Расскажите о meetup -  финальном мероприятии Yappi Days Loves Machine Learning.

- 10 декабря мы закрыли Yappi Days Loves Machine Learning интереснейшими лекциями и хакатоном. Перед слушателями выступили Евгений Григоренко («Microsoft», Москва), Михаил Чистяков  (Управление информационных ресурсов Правительства Ярославской области) и Игорь Леонтьев (MVP, Azure Architect Viseo Technologies, Париж). Евгений Григоренко рассказал о своем опыте использования машинного обучения в медицине, Михаил Чистяков - об открытых данных в Ярославской области и о том, какие общественные задачи можно решать с их помощью. 













Игорь Леонтьев на прямой связи из Парижа поделился с нами  знаниями о когнитивных сервисах. Затем участникам пришлось показать, чему они научились на курсах.  Причем речь шла о конкретной задаче реальной компании – Сбербанка РФ. 

- О чем же шла речь?

- Задача была следующей: Сбербанк предоставил данные о своих транзакциях, естественно, обезличенных, то есть, не было информации о том, кто конкретно их проводил. Известно только, кто это был: мужчина или женщина. Участники курса должны были выбрать признаки и натренировать модель, которая бы позволила алгоритму определять по новой транзакции пол человека, совершившего банковскую операцию. Фактически, это обозначает научить компьютер предсказывать событие для очередного действия, используя в багаже знаний историю предыдущих операций.

- В итоге все получилось?

- Да. Кроме того, ребята получили довольно интересные результаты по исследуемым статистическим данным. В действительности, выбор признаков, или по-другому, нахождение параметров, влияющих на решение, дело трудоемкое. Во всем мире проводятся конкурсы по машинному обучению, где сотые доли результата зависят напрямую от выбора признаков! По результатам анализа данных ребята выяснили, что в будние дни мужчины тратят деньги наравне с женщинами, а в выходные мужчины начинают тратить больше. Большинство транзакций, совершенных мужчинами, проводились ровно в 00 минут. Это может быть связано с тем, что мужчины чаще чем женщины настраивают автоплатежи. Женщины чаще вносят наличные и оплачивают покупки картой. Работая в группе, ребята справились с поставленной задачей за 4 часа, хотя обычно на подобные задания дается гораздо больше времени. После обучения натренированная модель сможет предсказать, какую операцию в какое время с большей вероятностью совершит мужчина, а какую женщина. Вплоть до того, в какую секунду кто больше сделает покупок. В итоге ребята не только выполнили задание, но и получили результаты, которые могут заинтересовать финансистов, маркетологов, психологов, социологов.

- Словом, можно сказать, что первый опыт такого мероприятия был успешным.

- Думаю, да. Мы получили много положительных отзывов. Для слушателей – это хороший задел на будущее.














Каждый участник получил сертификат от компании «Microsoft» о прохождении курсов, а самые активные – еще и призы от той же компании.  Ну и, конечно, мы продолжим начатое: хотим подготовить серьезный, хорошо проработанный курс на будущий год.

Беседовала Юлия Цофина

ВКонтакт Facebook Google Plus Одноклассники Twitter Яндекс Livejournal Liveinternet Mail.Ru
here

Возврат к списку