Хакатон открыл для меня новые сценарии применения аналитики
Артем Глазков, ментор #HackinSAS 2021
В 2021 году компания SAS организовала международный хакатон #HackinSAS. В марте проходило само соревнование, в апреле отличившиеся команды стали финалистами, а победителей мы узнаем на виртуальном SAS Global Forum 2021 в мае.
В ходе хакатона участники из разных стран, с разным опытом и навыками создавали готовые для внедрения в эксплуатацию приложения и продукты с использованием аналитики SAS, искусственного интеллекта, облачных вычислений и технологий с открытым исходным кодом. И все это время у команд были менторы. Эти люди поддерживали участников по техническим и организационным вопросам.
В менторской программе задействованы десятки сотрудников SAS по всему миру. Как правило, у менторов имеется багаж знаний, который помогает участвующим командам, если они испытывают затруднения. Часть менторов являются экспертами в конкретных направлениях бизнеса – например, в банкинге, страховании, ритейле, а часть являются кросс-индустриальными специалистами – например, эксперты по визуализации или разработке моделей Deep Learning. Мы задали несколько вопросов ментору из России, Артему Глазкову, эксперту по операционализации аналитики и системам принятия решений.
Откуда были твои участники-подопечные?
На этом хакатоне территориально я отвечал за Россию и ряд стран восточной Европы. Судя по опыту прошлых аналогичных мероприятий, у участников из этих стран всегда найдется множество интересных идей и новых вариантов решения сложных задач в ходе соревнования. Например, в прошлом году команда из представителей нашего партнера Glowbyte создала систему управления репутацией для ритейлера, задействовав при этом аналитические модели.
Какие команды, которые к тебе обращались во время соревнования, запомнились больше всего?
Мне запомнилась команда из Румынии, которая занималась проектом для национальной системы образования. Проект был направлен на автоматизацию проверок письменных тестов обучающихся. Суть идеи в том, чтобы проводить беспристрастную оценку информации, полученной в письменной форме. Ожидаемые результаты от внедрения такой системы – сокращение времени, требуемого на проверку тестов, снижение риска возникновения ошибок по причине человеческого фактора проверяющего и, соответственно, освобождение ценных ресурсов для задач, где действительно требуется наличие экспертизы и творческий подход, а не шаблонные действия. Для определенных стран и регионов данное решение поспособствует повышению качества и доступности образования.
Отдельное направление в хакатоне называется «Data for Good», оно связано с задачами более широкого спектра – не с коммерческими вызовами, а с улучшением качества жизни. Участникам предоставляется возможность воплотить свои идеи в жизнь с помощью инструментов и оборудования enterpise-класса. Такие проекты вызывают у меня особенный интерес. Например, одна из команд с помощью аналитики платформы SAS Viya и языка программирования Python смоделировала схему эффективного распространения вакцины. Для решения задачи использовалась такая перспективная техника, как алгоритмы обучения с подкреплением (Reinforcement Learning). Сравнивая результаты, полученные с помощью модели с подходом на основании бизнес-правил, команда смогла продемонстрировать практический эффект от своей работы в количественном выражении. А для защиты проектов, связанных с аналитикой и искусственным интеллектом, иметь такие доводы крайне важно.
Какие у тебя остались впечатления после хакатона?
Хакатон открыл для меня новые сценарии применения аналитики и технологий машинного обучения для решения важных задач, стоящих перед бизнесом и обществом. Участники продемонстрировали впечатляющие результаты, и я полагаю, что у многих наработок впереди большие перспективы коммерческого и промышленного применения.
Энтузиазм участников, атмосфера, культивирующая творческий подход, запомнились мне больше всего. Обстановку сложно передать словами, но уверен, ее ощутили все вовлеченные в процесс. Немаловажным фактором является техническая составляющая, которая помогала максимально быстро воплотить идеи в жизнь. Команды работали с последней версией аналитической платформы SAS Viya в ее максимально «заряженном» варианте и с технологиями наших ключевых партнеров – Microsoft Azure и Intel.
SAS помогает командам-финалистам довести их наработки до этапа коммерческого применения: созданные приложения будут использоваться для решения широкого спектра задач, начиная от глобальных гуманитарных проблем, таких как борьба с пандемией и проблема изменения климата, до бизнес-ориентированных кейсов, таких как сокращение случаев мошенничества в банке или улучшение качества онлайн-обслуживания в ритейле.
Вся самая свежая информация о хакатоне на сайте.
Рекомендуем прочитать
- What is synthetic data? And how can you use it to fuel AI breakthroughs?There's no shortage of data in today's world, but it can be difficult, slow and costly to access sufficient high-quality data that’s suitable for training AI models. Learn why synthetic data is so vital for data-hungry AI initiatives, how businesses can use it to unlock growth, and how it can help address ethical challenges.
- Шесть способов усовершенствовать обработку заявок на выплату страхового возмещенияПочему необходимо включить аналитику в стандартную процедуру обработки заявок? Применение аналитических инструментов в течение жизненного цикла заявки на выплату страхового возмещения поможет повысить окупаемость вложений и сократить затраты.
- Препятствий для построения моделей с помощью технологий искусственного интеллекта и машинного обучения нетМодели машинного обучения уже на протяжении пяти лет применяются российскими финансовыми организациями для оценки кредитного риска и валидации моделей. О том, насколько регуляторы готовы работать с моделями на базе технологий ИИ и машинного обучения, и пойдет речь в данном интервью.
Готовы подписаться на инсайты сейчас?