Принять участие

Окружной хакатон

Приволжский федеральный округ

3-5 июня, Нижний Новгород, ул. Совнаркомовская, 13, корп. 1, Нижегородская ярмарка, Павильон № 1

регистраций0
команд0
hackaton image

Окружной хакатон — командное соревнование для специалистов ИТ, в результате которого участники из округа смогут решить задачи от государства и бизнеса по теме ИИ или другим ИТ-тематикам. Мероприятие проходит в гибридном формате с офлайн площадкой (студия + коворкинг) в одном из регионов округа. В окружном хакатоне могут участвовать также и представители других регионов.

Кейсовые задания

Искусственный интеллект проводит таможенный контроль
Система анализа российского рынка средств измерений
Big Data для оптимизации работы скорой помощи
1
НЕЙМАРК

Решение позволяет предсказать товарную номенклатуру по ее описанию с точностью >90% Наше решение представляет из себя веб-сервис с формой входа в личный кабинет таможенного работника с помощью логина и пароля. Для проверки правильности определения кода ему доступна форма ввода описания товара. Перед отправкой данных в модель проводится предварительная обработка данных (приведение к нижнему регистру, удаление знаков препинания, удаление предлогов, лемматизация, стемминг). На выходе пользователь получает результат в виде всплывающего окна с предсказанием товарного кода 4мя алгоритмами (SGD, RuBert, LSTM, каскадный классификатор); наиболее вероятный результат выделен цветом. Введенные в систему коды товаров поступают в сервис дообучения.


Уникальность решения:

  • Возможность дообучения модели внутри товарных групп (При поступлении новых данных можно дообучить только часть товарных позиций внутри товарных групп (первые кандидаты на дообучение - группы 50, 80, 88, 97, 93, 36))
  • Возможность добавления в каскад следующих уровней (Каскадная система позволяет добавлять позиции рекуррентно, выделяя из датасета подмножества тренировочные данные по интересующей товарной позиции/субпозциии)
  • Apache Airflow для контроля и запуска дообучения модели
  • Личный кабинет таможенного работника и участника ВЭД


Стек технологий:

  • DeepPavlov Transformers
  • PyTorch
  • Angular
  • Flask
  • Airflow (контроль запуска и дообучения модели) (изменено)
person
Мираббас Багиров
Нижегородская область
person
Тимофей Карклин
Нижегородская область
Татьяна Бородина
Нижегородская область
person
Евгений Васильев
Нижегородская область
2
inNINO

Мы представляем систему контроля верного присвоения ТН ВЭД ЕАЭС товарной позиции.

Система контроля позволяет по текстовому вводу пользователю быстро получить код ТН ВЭД ЕАЭС, а также позволяет проверить правильность выбранного кода инспектором по табличным данным. Все это возможно выполнить с любого устройства через веб интерфейс и телеграмм-бота.

Стек решения: NLP, Python, telebot.

Уникальность: подбор кода по текстовой информации, помощь в подборе параметров, проверка по табличным данным, телеграмм-бот.

person
Иван Ярцев
Нижегородская область
person
Денис Жарков
Нижегородская область
person
Илья Дмитриев
Нижегородская область
Анастасия Лаврентьева
Нижегородская область
person
Андрей Дмитриев
Нижегородская область
3
K-Team

Решение:

Наше решение представляет собой веб-приложение с открытым API. Пользователю предлагается ввести на естественном языке описание товара для сопоставления товарного кода. Согласно введенным данным по нескольким моделям машинного обучения выводится таблица соответствия описания номенклатуре, по которой пользователь уточняет свою категорию. Также предлагаем более интерактивный вариант определения номенклатуры - посредством графового представления в виде дерева разделы - группы - подгруппы и так далее.


Стэк технологий:

Django (DRF), Node js, Vue3, scipy, sklearn, nltk, pandas, numpy, Docker (docker-compose).


Технические особенности:

Отмечу, что для создания MVP мы обучались на 100 тысячах записей полностью покрывая разделы 1-24, поскольку не обладаем большими вычислительными мощностями, однако предоставляем алгоритм для обучения на полной выборке пользовательских данных.


Мы решили отойти от нейросетей к традиционным алгоритмам машинного обучения поскольку для решения большинства задач обработки естественного языка используют одинаковую последовательность действий - стемминг, лемматизация, токенизация - векторизация - классификация на основе близости векторов в N-мерном пространстве. При этом нейросети больше по размеру и дольше обучаются, не сильно выигрывая в точности алгоритмам машинного обучения. В этом кейсе для создания быстрого, адаптивного и точного решения достаточно будет TfidfVectorizer и логистической регрессии на размеченных классах в выборке. Точность определения составила 97.03%.


Уникальность:

Решение полностью сопровождает пользователя на пути к определению правильной классификации, обладает высокой скоростью работы, удобно разворачивается на сервере одной командой и имеет открытый API, что позволяет применять её в других разработках.

person
Георгий Бодунов
г. Санкт-Петербург
person
Артем Житихин
г. Санкт-Петербург
person
Игорь Лобань
г. Санкт-Петербург
person
Захар Шишкарев
г. Санкт-Петербург

Особенности мероприятия

С 3 по 5 июня прошел окружной хакатон проекта «Цифровой прорыв. Сезон: искусственный интеллект». Хакатон проходил в гибридном формате — офлайн площадкой проведения второго окружного хакатона был выбран Нижний Новгород — столица Приволжья, претендующая на звание российской Кремниевой долины. 
На хакатон зарегистрировались 744 человека. До защит дошли 38 команд. Участникам хакатона предложили решить три кейса на основе методов искусственного интеллекта. По итогам хакатона девять команд-победителей разделили между собой призовой фонд в 1 800 000 рублей. Кейсодержателями хакатона выступили ФТС России, Федеральное агентство по техническому регулированию и метрологии, а также АНО Центр искусственного интеллекта «Горький».
Заместитель генерального директора АНО «Россия — страна возможностей» Антон Сериков поблагодарил за вклад в реализацию проекта и формирование сообщества по искусственному интеллекту в России Министерство экономического развития Российской Федерации, а также Правительство Нижегородской области и региональных партнеров хакатона в Приволжском федеральном округе и кейсодержателей.


Общий призовой фонд мероприятия составляет 1 800 000 рублей. Выплата по каждому из кейсов (кейсовых заданий) производится путем банковского перевода денежных средств физическим лицам, гражданам РФ. Размер призового фонда составляет 300 000 рублей для команды, занявшей первое место (равными долями каждому участнику), 200 000 рублей для команды, занявшей второе место (равными долями каждому участнику), 100 000 рублей для команды, занявшей третье место (равными долями каждому участнику). Выплата производится в соответствии с Положением об окружных хакатонах.
Видеозапись церемонии открытия
Видеозапись церемонии закрытия

Информационные партнеры

РБКлоготип
Генеральный информационный партнер
РБК
Российская Газеталоготип
Генеральный информационный партнер
Российская Газета
ТАССлоготип
Генеральный информационный партнер
ТАСС
TelecomDailyлоготип
Генеральный информационный партнер
TelecomDaily
Телеканал 360логотип
Генеральный информационный партнер
Телеканал 360
COMNEWSлоготип
Генеральный информационный партнер
COMNEWS
Телеспутниклоготип
Генеральный информационный партнер
Телеспутник
Galleryлоготип
Генеральный информационный партнер
Gallery
ICT.Moscowлоготип
Генеральный информационный партнер
ICT.Moscow
Деловой Петербурглоготип
Генеральный информационный партнер
Деловой Петербург
АиФлоготип
Информационный партнер
АиФ
Мир 24логотип
Информационный партнер
Мир 24
МЕЛлоготип
Информационный партнер
МЕЛ
АНО «Цифровая экономика»логотип
Информационный партнер
АНО «Цифровая экономика»
CDO2DAYлоготип
Информационный партнер
CDO2DAY
ФедералПресслоготип
Информационный партнер
ФедералПресс
NEWS.ruлоготип
Информационный партнер
NEWS.ru
ОСНлоготип
Информационный партнер
ОСН
Вести Подмосковьялоготип
Информационный партнер
Вести Подмосковья
PrimaMediaлоготип
Информационный партнер
PrimaMedia
RSpectr логотип
Информационный партнер
RSpectr
Системный администраторлоготип
Информационный партнер
Системный администратор
БИТлоготип
Информационный партнер
БИТ
Telecom Timesлоготип
Информационный партнер
Telecom Times
Infoxлоготип
Информационный партнер
Infox
Банковское обозрениелоготип
Информационный партнер
Банковское обозрение
Берзалоготип
Информационный партнер
Берза
Ict2goлоготип
Информационный партнер
Ict2go
ICT-Online логотип
Информационный партнер
ICT-Online
NBJлоготип
Информационный партнер
NBJ
Smallbusinessлоготип
Информационный партнер
Smallbusiness
Радио1логотип
Информационный партнер
Радио1
Digital Reportлоготип
Информационный партнер
Digital Report
DGLлоготип
Информационный партнер
DGL
IT-Worldлоготип
Информационный партнер
IT-World
Phystech.Genesisлоготип
Информационный партнер
Phystech.Genesis
Let AI beлоготип
Информационный партнер
Let AI be
Хелпинвер логотип
Информационный партнер
Хелпинвер
Гарант логотип
Информационный партнер
Гарант
Кружковое движениелоготип
Информационный партнер
Кружковое движение
Maximum Educationлоготип
Информационный партнер
Maximum Education
Napoleon ITлоготип
Информационный партнер
Napoleon IT
Robotics Channelлоготип
Информационный партнер
Robotics Channel
Big Dataлоготип
Информационный партнер
Big Data
Зайцем по ХаХатонамлоготип
Информационный партнер
Зайцем по ХаХатонам
TourBC.ruлоготип
Информационный партнер
TourBC.ru
FinVeritasлоготип
Информационный партнер
FinVeritas
CISлоготип
Информационный партнер
CIS
ИТ-парк логотип
Информационный партнер
ИТ-парк
Data Engineersлоготип
Информационный партнер
Data Engineers
Алексей Чернобрововлоготип
Информационный партнер
Алексей Чернобровов
Точка кипениялоготип
Информационный партнер
Точка кипения
Maffлоготип
Информационный партнер
Maff
ФГБОУ ВО "Волгоградский государственный технический университет"логотип
Информационный партнер
ФГБОУ ВО "Волгоградский государственный технический университет"
Удмуртский государственный университетлоготип
Информационный партнер
Удмуртский государственный университет
Иркутская областная юношеская библиотека им. И.П. Уткиналоготип
Информационный партнер
Иркутская областная юношеская библиотека им. И.П. Уткина
Иркутский областной художественный колледжлоготип
Информационный партнер
Иркутский областной художественный колледж
Правительство Иркутской областилоготип
Информационный партнер
Правительство Иркутской области
Минцифра Оренбургской областилоготип
Информационный партнер
Минцифра Оренбургской области
СФ БашГУлоготип
Информационный партнер
СФ БашГУ
АНО ДО "Агентство технологического развития Ульяновской области"логотип
Информационный партнер
АНО ДО "Агентство технологического развития Ульяновской области"
УГАТУлоготип
Информационный партнер
УГАТУ
Международная научно-исследовательская лаборатория СВФУ Многомасштабные модели пониженного порядкалоготип
Информационный партнер
Международная научно-исследовательская лаборатория СВФУ Многомасштабные модели пониженного порядка
Фонд Sinet Sparkлоготип
Информационный партнер
Фонд Sinet Spark
Центр технологического предпринимательства OREH СВФУ им М.К. Аммосовалоготип
Информационный партнер
Центр технологического предпринимательства OREH СВФУ им М.К. Аммосова
Северо-Восточный Федеральный Университет им. М.К. Аммосовалоготип
Информационный партнер
Северо-Восточный Федеральный Университет им. М.К. Аммосова