Прежде, чем приступать к решению хакатона, нужно его найти, грамотно выбрать задачу и собрать команду. Именно об этом я и расскажу.
Шаг 1 - Обладание достаточной информацией. Далеко немногие знают обо всех проводимых хакатонах. Это может быть проблемой организаторов, которые не позаботились о рекламе. Или недостатком осведомленности участников. Тем не менее, вот то, чем пользуюсь я, и что дают информацию обо всех хакатонах по Data Science (а скорее всего и по многим другим направлениям).
Следить за моим каналом в Телеграме - Зайцем по ХаХатонам (https://t.me/hahatons)
Следить за ресурсами, список которых будет на следующем слайде
Общаться с другими хакатонщиками, они могут что-то знать…
О некоторых событиях можно узнать и вовсе только из поисковика, но о них скорее всего сообщу вам я (смотреть пункт 1)
Список информационных ресурсов:
⁃ Цифровой прорыв: сезон ИИ- https://hacks-ai.ru / https://t.me/hackathons_ai
⁃ Open Data Science - https://ods.ai
⁃ Boosters - https://t.me/boosters
⁃ Driven Data - https://www.drivendata.org
⁃ Kaggle - https://www.kaggle.com
⁃ AiCrowd - https://www.aicrowd.com
⁃ Zindi - https://zindi.africa
⁃ Codenrock - https://codenrock.com/competitions - Phystech.Genesis - https://vk.com/phystech.genesis
⁃ Russian Hackers - https://t.me/RussianHackers_Channel / https://vk.com/russian_hackers
⁃ RB - https://rb.ru/chance/
⁃ Хакатоны - https://t.me/Hackathonlist
- Хакатон - https://хакатон.com
⁃ Studentship - https://vk.com/shipforstudents
Шаг 2. Понимание своих возможностей. Зачастую, во время регистрации на хакатон нужно выбрать одну из предложенных задач. Или вовсе понять стоит ли вам участвовать в этом хакатоне. Для этого я посоветую объективно оценивать свои навыки, внимательно изучать информацию о задачах, продумать решение или какую часть его вы можете сделать. Я иногда оказывался в ситуациях, когда по итогу не решал выбранную задачу, или выбранная задача не оправдывала моих ожиданий, и я терял время.
Шаг 3. Расстановка приоритетов и целей. Уже ясно, что не все хакатоны и задачи получится или стоит решать, поэтому поймите, что вы хотите получить от хакатона - опыт, призовые или новые знакомства. Если опыт или знакомства - то участвуйте во всем, что видите. Если призовые - то важно грамотно распределить силы, а не бросаться на всё. Если поняли, что хакатон совсем не для вас или совсем не интересен вам, то лучше отдохните и позанимайтесь другими делами. Отдых крайне важен, особенно если вы совмещаете хакатоны с работой или учебой.
Шаг 5. Поиск команды. Продумайте каких навыков вам не хватает для решения задачи. Решите, готовы ли вы руководить процессом разработки. Если вы готовы руководить, то найдите недостающих участников к себе в команду. Если же вы не готовы руководить, или команду под своим началом собрать не удалось, то вступите в готовую команду.
Где найти команду:
ХаХаЧат Зайцем по ХаХатонам - https://t.me/+H5EQAHeER305MzMy
Чат Цифровой прорыв: сезон ИИ - https://t.me/hacks_AI
Чат Open Data Science - https://ods.ai (для попадания в чат в Slack необходимо зарегистрироваться)
Чат Boosters - https://boosters.pro (попасть можно через сайт)
Чат Phystech.Genesis - https://t.me/joinchat/CN0_CVJysRmwYKNEv9j-yw
И всем удачи на хакатонах!
Комментарии (3)
red-cat-fat
05.05.2022 07:33Популяризация хакатонов - дело хорошее! Желаю удачи в дальнейшем.
Но! Есть 2 момента:
1. Маловато информации в целом. Хотелось бы чего-то про описание того как проходят хакатоны, кто обычно организатор, какую пользу от них получить можно. Те, кто в теме это уже давно знают, а для них пост бесполезен. Целевая аудитория скорее новички, которые ни разу не участвовали в хакатонах - вот на них и стоит ориентироваться.
2. Для хабра стоит чуть подредактировать посты (я про слайды из презентации)список которых будет на следующем слайде
kiryl_labada
А есть какие источники хакатонов не по Data Science. И вообще какое у вас мнение о других направлениях? Есть ли смысл участвовать?
sweetlhare Автор
Привет! Можно использовать некоторые источники из этого же списка: Codenrock, Phystech.Genesis, Russian Hackers, RB, Хакатон, Studentship. В прошлом году у Цифрового Прорыва были кейсы не про ИИ, в этом году они сделали основной темой ИИ. Но иногда не Data Scientist нужен и в кейсах про ИИ.
Считаю, что в других направлениях смысла участвовать не меньше, а может и больше. Видел не один пример, как созданные на хакатонах прототипы развивали дальше и превращали в полноценные продукты и стартапы. Недавно вот выкладывали пост https://t.me/hackathons_ai/673.