Участник из Тульской области стал призером регионального чемпионата конкурса «Цифровой прорыв. Сезон: искусственный интеллект»

Подведены итоги двадцать первого регионального чемпионата конкурса «Цифровой прорыв. Сезон: искусственный интеллект» — одного из проектов президентской платформы «Россия — страна возможностей». Андрей Баландин из Тульской области вошел в топ-15 участников.

На чемпионат зарегистрировались 389 участников, которые решали задачу, поставленную Правительством Республики Саха (Якутия) и АО «Диджитал Инжиниринг Технолоджи». В течение месяца участники работали над задачей по прогнозированию карьерной траектории сотрудника и представили 2104 алгоритма. Решение позволит выявлять успешных специалистов, выполняющих задачи своевременно и качественно и получающих новые должности.

Церемония закрытия чемпионата началась со вступительного слова руководителя проекта «Искусственный интеллект» АНО «Россия — страна возможностей» Светланы Тереховой: «Мы завершаем двадцать первый региональный чемпионат по искусственному интеллекту, в котором участвовало 389 человек. Особенность соревнований проекта „Цифровой прорыв: искусственный интеллект“ — открытость как для участников из региона, принимающего конкурс, так и желающих со всей страны. В Якутии к чемпионату присоединились ИТ-специалисты из 57 регионов. Участники поразили нас нетривиальными подходами к заданию, множеством свежих ИТ-идей и упорством в их воплощении. Мы получили 2104 алгоритма, то есть, в среднем, каждый специалист предложил 5 решений! Соревнование показало, что навыки в ИТ-сфере не только позволяют стать успешными разработчиками, но повлиять на будущее других специалистов».

По итогам чемпионата 15 сильнейших участников получили ценный приз — туристическую поездку в один из регионов России в рамках программы «Больше, чем путешествие» президентской платформы «Россия — страна возможностей».

Андрей Баландин из Тульской области занял тринадцатое место. Андрей произвел предобработку на аналитической платформе Логином (в двух вариантах). Далее — последовательную классификацию с использованием catboost и xgboost. На следующих этапах были получены два бинарных прогноза по категориям 2 и 0, мультиклассовая классификация на финальной стадии.