На прошлой неделе мы провели в Сколково большую конференцию Cradle: Rave. Организовали много выступлений на разные темы, а еще трехдневные хакатоны по Big Data и мобильной разработке. В этом посте мы расскажем о лучших идеях из тех, которые сгенерировали более 25 команд из Москвы, Самары и Иннополиса.
Мы оценивали решения задач в соответствии с тем, к чему сами стремимся в «СберТехе». Главные критерии — актуальность, масштабируемость на 20 млн пользователей, относительная простота внедрения и развития функциональности. Еще мы учитывали оригинальность подхода и технической составляющей, уровень реализации прототипа и презентации команд.
На хакатоне по мобильной разработке мы ждали от участников три приложения:
Третье место заняла московская команда ITiger с приложением SberPhone на iOS и Android. Оно предоставляет финансовую и навигационную информацию: где находится ближайший банкомат, как взять кредит, можно ли сделать вклад. Также в SberPhone есть мессенджер с функцией аудио- и видеозвонков, голосовым чат-ботом и шифрованием данных. Приложение получилось достаточно хорошим и цельным для запуска на рынок.
На втором месте оказалась команда Save Money с финансовым планировщиком для студентов. Приложение помогает планировать бюджет, управлять расходами и финансовыми рисками. Пользователи могут устанавливать суммы расходов/доходов, категоризировать траты, планировать покупки. Чтобы упростить работу, планировщик дает подсказки. За время хакатона проект был разработан с нуля, без использования сторонних фреймворков.
Первое место на хакатоне по мобильной разработке не досталось никому. Члены жюри не увидели ни в одном проекте одновременно оригинальность самой идеи и исполнения, а также использование инноваций. В основном, все участники показали конструкторы из готовых фреймворков и решений, некоторые использовали свои наработки с прошлых хакатонов. Кроме того, ни одна команда не работала над третьим заданием, с интерактивной картой города, которая требовала применения разных технологий, включая VR.
Участники хакатона по большим данным создавали два продукта:
Здесь уровень участников оказался выше ожидаемого. С первой задачей призеры справились одинаково хорошо. В итоге победителя определила задача с оптимизацией и разные нюансы.
Третье место заняла команда GoGeo с ботом gogeo_bot. Вы задаете боту адрес и другие условия, а в ответ получаете полезную демографическую информацию: сколько людей живет в заданной доступности от места, какой доход у населения, какая прибыль работающего там бизнеса и т.д. В дальнейшем команда планирует довести проект до полноценного сервиса, который будет помогать открывать новые точки бизнеса. Участники GoGeo будут очень благодарны, если вы оставите фидбек на их сайте: www.gogeo.me.
Второе место у команды EORA. Она решила задачу по определению класса офиса через анализ комментариев продавца или арендодателя. Из них система вычленяет актуальность продажи офиса, наличие лифта в здании, отделки в самом офисе и другую информацию. По координатам здания система определяет улицу, район и административный округ, а по району — уровень преступности. Система также умеет находить ближайшую станцию метро и расстояние до нее, а также избавляться от ненужных данных. Участники заполнили все пропуски -1 и обработали все данные с помощью CatBoost — модели машинного обучения от Яндекса. В результате был получен результат ~0.9 по метрике f1_score macro — это дало второе место.
Задачу по оптимизации перевозки пассажиров EORA решила с помощью линейного программирования. Алгоритм команды находил оптимальный маршрут с минимальным суммарным пробегом. При расчетах учитывались ограничения: пользователь может одновременно сесть только в одну машину, водитель может вести только одну машину, пользователю может быть отказано в поездке и т.д. Во время построения маршрута алгоритм учитывает положение и водителя, и клиента.
Победителем bigdata-хакатона стала команда «Канапе». Их чат-бот для первой задачи показался жюри наилучшим по реализации основных функций, и к ним еще был добавлен поиск по геолокациям с голосовым управлением.
Вторую задачу команда разбила на две части. В первой части алгоритм оценивает распределение заказов и перемещает водителей так, чтобы эффективно покрывать всю территорию и быстрее забирать клиентов. Во второй части оптимизируется передвижение водителей с пассажирами — так, чтобы они забирали попутчиков по дороге и везли до четырех пассажиров одновременно.
Победитель хакатона по big data получил 250 тысяч рублей, команды, занявшие вторые и третьи места — по 150 и 100 тысяч соответственно.
Мы оценивали решения задач в соответствии с тем, к чему сами стремимся в «СберТехе». Главные критерии — актуальность, масштабируемость на 20 млн пользователей, относительная простота внедрения и развития функциональности. Еще мы учитывали оригинальность подхода и технической составляющей, уровень реализации прототипа и презентации команд.
Мобильная разработка
На хакатоне по мобильной разработке мы ждали от участников три приложения:
- персональный финансовый менеджер с функциями рекомендаций и отчетности,
- мессенджер с функциями чат-бота, аудио- и видеозвонками,
- интерактивную карту города с отделениями и банкоматами.
Третье место заняла московская команда ITiger с приложением SberPhone на iOS и Android. Оно предоставляет финансовую и навигационную информацию: где находится ближайший банкомат, как взять кредит, можно ли сделать вклад. Также в SberPhone есть мессенджер с функцией аудио- и видеозвонков, голосовым чат-ботом и шифрованием данных. Приложение получилось достаточно хорошим и цельным для запуска на рынок.
На втором месте оказалась команда Save Money с финансовым планировщиком для студентов. Приложение помогает планировать бюджет, управлять расходами и финансовыми рисками. Пользователи могут устанавливать суммы расходов/доходов, категоризировать траты, планировать покупки. Чтобы упростить работу, планировщик дает подсказки. За время хакатона проект был разработан с нуля, без использования сторонних фреймворков.
Первое место на хакатоне по мобильной разработке не досталось никому. Члены жюри не увидели ни в одном проекте одновременно оригинальность самой идеи и исполнения, а также использование инноваций. В основном, все участники показали конструкторы из готовых фреймворков и решений, некоторые использовали свои наработки с прошлых хакатонов. Кроме того, ни одна команда не работала над третьим заданием, с интерактивной картой города, которая требовала применения разных технологий, включая VR.
Большие данные
Участники хакатона по большим данным создавали два продукта:
- чат-бот, выдающий аналитику по недвижимости в заданном районе на основе алгоритмов машинного обучения,
- алгоритм по оптимизации совместных пассажирских перевозок с заранее заданным количеством ресурсов.
Здесь уровень участников оказался выше ожидаемого. С первой задачей призеры справились одинаково хорошо. В итоге победителя определила задача с оптимизацией и разные нюансы.
Третье место заняла команда GoGeo с ботом gogeo_bot. Вы задаете боту адрес и другие условия, а в ответ получаете полезную демографическую информацию: сколько людей живет в заданной доступности от места, какой доход у населения, какая прибыль работающего там бизнеса и т.д. В дальнейшем команда планирует довести проект до полноценного сервиса, который будет помогать открывать новые точки бизнеса. Участники GoGeo будут очень благодарны, если вы оставите фидбек на их сайте: www.gogeo.me.
Второе место у команды EORA. Она решила задачу по определению класса офиса через анализ комментариев продавца или арендодателя. Из них система вычленяет актуальность продажи офиса, наличие лифта в здании, отделки в самом офисе и другую информацию. По координатам здания система определяет улицу, район и административный округ, а по району — уровень преступности. Система также умеет находить ближайшую станцию метро и расстояние до нее, а также избавляться от ненужных данных. Участники заполнили все пропуски -1 и обработали все данные с помощью CatBoost — модели машинного обучения от Яндекса. В результате был получен результат ~0.9 по метрике f1_score macro — это дало второе место.
Задачу по оптимизации перевозки пассажиров EORA решила с помощью линейного программирования. Алгоритм команды находил оптимальный маршрут с минимальным суммарным пробегом. При расчетах учитывались ограничения: пользователь может одновременно сесть только в одну машину, водитель может вести только одну машину, пользователю может быть отказано в поездке и т.д. Во время построения маршрута алгоритм учитывает положение и водителя, и клиента.
Победителем bigdata-хакатона стала команда «Канапе». Их чат-бот для первой задачи показался жюри наилучшим по реализации основных функций, и к ним еще был добавлен поиск по геолокациям с голосовым управлением.
Вторую задачу команда разбила на две части. В первой части алгоритм оценивает распределение заказов и перемещает водителей так, чтобы эффективно покрывать всю территорию и быстрее забирать клиентов. Во второй части оптимизируется передвижение водителей с пассажирами — так, чтобы они забирали попутчиков по дороге и везли до четырех пассажиров одновременно.
Победитель хакатона по big data получил 250 тысяч рублей, команды, занявшие вторые и третьи места — по 150 и 100 тысяч соответственно.
Rastishka
250тыр призовых члены жюри попилили между собой?Вроде как борьба между командами была, определенная команда показала результат лучше других. Вроде как это не их проблема, что члены жюри не увидели то что ожидали.
uploadfor
Просто Сбербанк даже здесь в своём репертуаре: «вот где заняли первое место — там и забирайте свои призовые!».
NFil
Была поставлена четкая задача и озвучены критерии оценки. Ни одна команда не выполнила задачу полностью. Для нас суть хакатона — не найти лишь бы кому дать денег, а наградить за достойные проекты. К тому же параллельно некоторые участники рубились в другие хакатоны. Возможно, поэтому у них не хватило времени на решение))