Задания хакатона "Цифровой прорыв" Северо-Западного федерального округа

Алгоритм на страже экономической стабильности

Участникам хакатона при помощи методов искусственного интеллекта и исторических данных, характеризующих различные аспекты экономической и финансовой ситуации в российской экономике, предстоит построить модель, которая сможет адаптироваться к задачам прогнозирования новых макроэкономических и финансовых данных, не содержащихся в исходной базе данных.

Особенностью задач макроэкономического и макрофинансового прогнозирования является работа с наборами данных с относительно небольшим количеством наблюдений, что усложняет процесс построения качественных моделей.

Разработанная участниками модель поможет решить вопрос совершенствования методов прогнозирования, что является важной задачей как для центральных банков, так и для других экономических институтов. Наличие инструментов для точного прогнозирования определяет эффективность и своевременность принимаемых решений в сфере денежно-кредитной политики, поддержания финансовой стабильности и банковского надзора.

— Рекомендуемый состав команды: специалист ML, специалист DS

— Предполагаемый стек технологий: любой

— Требования к железу: желательна вычислительная мощность

— Уровень участников: профи

Результаты:
Алгоритм на страже экономической стабильности (bizmrg.com)

Profit_CBR_final.pptx (live.com)

Презентация PowerPoint (bizmrg.com)

ИИ по следам пользователей (ОФЛАЙН-КЕЙС)

Участникам хакатона при помощи методов искусственного интеллекта предстоит предсказать, будет ли совершено определенное действие пользователем или нет в зависимости от его кликстрима.

Задача построена на неструктурированных текстовых источниках данных. Каждый объект выборки характеризуется набором интернет-сессий (непрерывные последовательности посещенных пользователем сайтов).

Предложенные участниками решение позволит сформировать спектр услуг под приоритеты и потребности отдельного пользователя VK. 

Решение задачи осложняется низкой долей положительного класса, наличием пропусков и зашумленности в данных, необходимостью выделения признаков из не структурированного текстового источника.

— Рекомендуемый состав команды: специалист ML

— Предполагаемый стек технологий: Machine Learning, NLP, Big Data

— Требования к железу: требуется вычислительная мощность

— Уровень участников: новички / опытные / профи

Результаты: 

Minimalist_Grayscale_Pitch_Deck___by_Slidesgo.pptx (live.com)

Копия Кейс Вк Московские зайцы (bizmrg.com)

Юридический помощник для проверки НПА

Участникам хакатона при помощи методов искусственного интеллекта предстоит найти и разработать подходящую модель, осуществляющую классификацию абзацев текста нормативных правовых актов (НПА), а также «фронт» и «бэк» решения, обеспечивающих поиск и визуализацию ошибок смысла и логики в проектах НПА по выделению бюджетных средств в форме грантов и субсидий и несоответствия НПА требованиям законодательства.

Разработанная участниками система корректировки проектов НПА с учетом принятых актов и законов поможет своевременно производить выверку ошибок / неточностей в проектах НПА, на которую тратится минимум день, а если это межведомственное согласование, то недели. Решением смогут пользоваться рядовые специалисты, а также юристы в любых областях госслужбы. 

— Рекомендуемый состав команды: специалист ML, Frontend разработчик, Backend разработчик

— Предполагаемый стек технологий: Machine Learning, NLP, Big Data

— Требования к железу: требуется вычислительная мощность 

— Уровень участников: опытные / профи

Результаты:

Prezentaciya_bez_nazvaniya_1_.pptx (live.com)

Bumblebee.pptx (live.com)

SibDS (bizmrg.com)

Предсказание спроса с помощью ИИ

В Ростелекоме ежедневно используется множество моделей машинного обучения. При этом для построения таких моделей в основном задействованы внутренние данные (возраст, пол, история платежей и т. п.), и в меньшей степени внешние данные, такие как экономическая статистика, социальные и демографические показатели, курсы валют и фондовых рынков и пр.

Участникам предстоит построить модель машинного обучения на предоставленном датасете, а также, по возможности, обогатить его внешними данными, чтобы улучшить качество модели.

Разработанное участниками решение позволит упростить трудоемкий процесс сбора и проверки данных, а также сделает возможным прогнозирование покупок клиентами ПАО «Ростелеком», основываясь на внутренних и внешних данных.

— Рекомендуемый состав команды: аналитик, специалист ML / DS

— Предполагаемый стек технологий: код должен быть написан на Python, другие языки программирования не принимаются; библиотеки — только Open Source, либо допускающие коммерческое использование

— Требования к железу: рекомендуется наличие вычислительных мощностей

— Уровень участников: средний / высокий

Результаты: 

Черный и Желтый Современный Социальные Сети Маркетинг Тенденции Презентация (bizmrg.com)

Кейс от Ростелекома (bizmrg.com)