Хакатон от
DAR Lab
Заявки принимаются до 15 ноября 2018 года
Хакатон, посвященный решению проблем в области логистики с применением цифровых технологий, в том числе machine learning.

Дата проведения: 17 ноября
Призы
1
100000
тенге
2
60000
тенге
3
40000
тенге
А также:
1. Возможность попасть в акселератор DAR Lab (логистика и supply chain)
2. Возможность пройти стажировку в проектах DAR либо стартапах DAR Lab
Программа хакатона
17 ноября, 2018 года
10:00
Приветственное слово
10:05
Мастер класс по Machine Learning
Data Scientist - Сагнаева Шынар
11:00
Презентация проектов
13:00
Кофе-брэйк
кофе и чай от организаторов
14:00
Награждение победителей
14:30
Закрытие хакатона
Введите ваши данные
Ваше ФИО
Ваш e-mail
Ваш номер телефона
Название вашей команды
Какую задачу вы решаете
Введите ваши данные
Ваше ФИО
Ваш e-mail
Ваш номер телефона
Являюсь экспертом в...
Введите ваши данные
Ваше ФИО
Ваш e-mail
Ваш номер телефона
Предложение по партнерству
Введите ваши данные
Ваше ФИО
Ваш e-mail
Ваш номер телефона
Ваш комментарий
Информация о спикере
Шынар Сагнаева
Data Scientist, DAR tech
Шынар Сагнаева - Data Scientist в компании DAR tech, занимается проведением research в сфере машинного обучения в рамках проектов и разработкой моделей машинного обучения для бизнес-задач. Участвует в проектах внедрения моделей машинного обучения. Опыт разработки моделей для бизнес-задач включает разработку моделей рекомендательной системы, анализа тональности текста, поисковых подсказок, а также рейтинговой системы для площадки электронной торговли.

До работы в DAR tech проходила стажировку в компании DAR ecosystem по направлению Machine Learning: модели рекомендательной системы.
Имеет опыт работы в сфере консалтинга и аудита.

Образование: магистр, МГУ им. М.В. Ломоносова.
Задачи по логистике:
ИТ для водителей большегрузного транспорта
Разработать прототип IT-решения, которые могут быть применены к водителям большегрузного транспорта
Machine learning в логистике
Разработать прототип IT-решения с использованием machine learning для транспортной либо складской логистики
Задача по Face Recognition для Хакатона, 17 ноября 2018 г.
Описание задачи: разработать модель по face recognition по определению имен знаменитостей.

Данные: файл data.zip для обучения модели, содержит размеченные фото десяти знаменитостей.

Оценка качества модели:
В день Хакатона участникам будут предоставлены 40 неразмеченных фотографий тех же знаменитостей.
Разработанная участниками модель должна сформировать файл с предсказаниями (ответами) к каждой фотографии в формате sample_submission.csv.
Для оценки качества модели участникам нужно будет сдать файл с предсказаниями (ответами) модели в формате sample_submission.csv.
Задача Pattern Recognition
Медицинские изображения: снимки компьютерной томографии (КТ).
КТ-изображения из архива изображений рака с использованием контраста и с учетом возраста пациентов

Описание: набор данных предназначен для тестирования различных методов изучения тенденций в изображениях КТ с использованием контраста и учетом возраста пациента. Основная идея состоит в том, чтобы идентифицировать текстуры изображений, статистические паттерны и признаки, которые сильно коррелируют с этими чертами и, возможно, создавать простые инструменты для автоматической классификации этих изображений, тогда, когда они были неправильно классифицированы (или для обнаружения неточностей/погрешностей, которые могут быть вызваны подозрительными случаями, плохими измерениями или плохо калиброванными машинами).

Данные: данные являются небольшой выборкой изображений из архива изображений рака. Они состоят из среднего фрагмента изображений КТ, сделанных там, где можно идентифицировать возраст пациента, модальность и контрастные метки. Включают 475 серий изображений 69 разных пациентов.

Ссылки на источники данных и информации по задаче:
Albertina, B., Watson, M., Holback, C., Jarosz, R., Kirk, S., Lee, Y., … Lemmerman, J. (2016). Radiology Data from The Cancer Genome Atlas Lung Adenocarcinoma [TCGA-LUAD] collection. The Cancer Imaging Archive. http://doi.org/10.7937/K9/TCIA.2016.JGNIHEP5

Clark K, Vendt B, Smith K, Freymann J, Kirby J, Koppel P, Moore S, Phillips S, Maffitt D, Pringle M, Tarbox L, Prior F. The Cancer Imaging Archive (TCIA): Maintaining and Operating a Public Information Repository, Journal of Digital Imaging, Volume 26, Number 6, December, 2013, pp 1045-1057. (paper)
https://www.kaggle.com/kmader/siim-medical-images/home
https://www.kaggle.com/kmader/siim-medical-images
Перевод страницы сайта:
https://www.kaggle.com/kmader/siim-medical-images/home

Примечание к задаче: навыки, полученные в ходе решения задачи и выявления паттернов заболевания помогут в работе над проектами по pattern recognition в медицинской сфере.
Жюри
Игорь Ким
Основатель и директор Robarin и Vault77
Руслан Атабаев
ТОО «Crystal Spring», Full stack developer
Шынар Сагнаева
Data Scientist, DAR tech
Аскар Айтуов
Управляющий директор DAR tech
Ахмад Рената
full-staсk разработчик в компании ТОО Crystal Spring
Евгения Хуснутдинова
Machine learning Expert, Колёса | Крыша | Маркет
Алибека Бисембаев
Профессор университета Нархоз
Тельман Илиев
Руководитель отдела разработки в EdaVoda.
Организатор
Наши контакты
Урпекова Айгуль
AUrpekova@dar.kz
+7 702 655 4662
Аскар Айтуов
aaituov@dar.kz
+7 771 585 11 00
Место проведения
IT квартал Techgarden ул. Жибек-Жолы 135/10а, 11 этаж
Made on
Tilda