ML Boost Camp

​​Kaggle Progression Update Большие изменения на Kaggle! Сегодня на форумах появился пост с внушительным списком изменений платформы. • Вначале главное - рейтинга обсуждений больше нет! Вместо него всем дали ачивки Discussions Legacy Expert/Master/Grandmaster, больше их не заработать. Причина - слишком многие фармили этот рейтинг. И 4х Грандмастером не стать... хотя нет - им стать можно, но по-другому. • Завезли специальную страницу про грандмастеров: https://www.kaggle.com/rankings/grandmasters Можно посмотреть и увидеть, что Giba - 13х Grandmaster. Э, что? Теперь N Grandmaster считается по-другому - можно стать Грандмастером в каждой категории (3x), а затем за каждые 5 (!) золотых медалей в соревнованиях добавляется ещё 1x. У него 64 золотых медалей в соревнованиях - это 5х12, и ещё он грандмастер кода. Имхо, это выглядит как-то странно. Возможно это новая мотивация людям гоняться за золотом в соревнованиях, чтобы было больше крутых решений. Но это ещё сильнее ужесточит конкуренцию за топ места. • Novice и Contributor уровни убрали, теперь минимальный уровень - Expert • То, чего мы ждали годами - форкание ноутбуков автоматически даёт лайки автору. Заодно изменили как получаются рейтинги/медали за датасеты и код - учитываются только лайки от Experts и выше, decay очков идёт не от даты лайка, а от даты создания датасета/кода, улучшили anti-abuse. • Из-за пункта выше у всех были автоматически пересчитаны очки этих двух рейтингов во всех моментах времени. • Рейтинг теперь можно фильтровать по городу и компании • Есть красивая страничка в профиле с графиком твоего рейтинга во времени • Есть отдельная страничка Awards: https://www.kaggle.com/rankings/awards В тредике бурление, думаю, что эти мощные изменения люди ещё долго будут обсуждать. #datascience

Заглянул на Kaggle с другой стороны, как организатор. Любоптыный опыт. Заходите порешать на досуге… FlightRank 2025: Aeroclub RecSys Cup - RecSys соревнование на Kaggle про ✈️ Лидерборд еще sparse, только на днях соревнование появилось на Kaggle в Spotlights. 2 месяца впереди (до 17 августа), Community competition (без медалек), призовые $10,000. Данных много для Kaggle-ноутбуков (в память только с бубном Polars, DuckDB) и слегка скромно для рекомендательных моделек (25 млн. Items на 30 тыс. Users).  Удачи всем, кто заглянет порешать 🤞🍀🚀

Всем привет! Записали для вас разбор соревнования Yale/UNC-CH - Geophysical Waveform Inversion Спасибо Вадиму за участие Ссылка на видео: https://youtu.be/hWMkAnWpWqM

🎯 Meta Kaggle Hackathon — анализируй Kaggle с помощью Kaggle! 🔍 Kaggle запустил первый официальный хакатон, и он действительно мета! 🤖 Задача — использовать Meta Kaggle — датасеты о самой платформе Kaggle — чтобы исследовать, как сообщество влияет на развитие AI и машинного обучения 💡 🗓 Сроки: Начало: 29 мая 2025 Дедлайн: 21 июля 2025 Результаты: 11 августа 2025 🏆 Призовой фонд: $50,000 Два трека: 🔹 Main Track — любые инсайты и визуализации 🔹 Trends Over Time — эволюция стратегий, моделей, инструментов 📌 Что нужно сделать: Исследование + оформленный Writeup в виде статьи/блога Репрезентативный Notebook с воспроизводимым кодом Видеообзор или интерактивная демонстрация 💡 Идеи тем: Как менялось участие новичков vs грандмастеров? Какие модели и техники побеждали чаще всего? Как изменились темы соревнований за 15 лет? 📊 В твоих руках — вся история Kaggle в виде таблиц. Построй аналитику, визуализируй тренды и предложи новые метрики прогресса в ML-сообществе. 🔗 Присоединяйся: https://www.kaggle.com/competitions/meta-kaggle-hackathon/overview

Kaggle Hackathons Каггле решил попробовать двинуться в новом направлении и выкатил новую фичу - Kaggle Hackathons. По факту это развитие идеи Analytics Competition. Огранизатор хакатона может поставить любую задачу - сделать приложение, что-то сделать с помощью LLM, записать видео и так далее. Сабмиты делаются в виде Hackathon Writeup - пост на форуме со ссылкой на свой проект и подробным объяснением сделанного. Медальки и очки за такое не дают, так что участие происходит только за призы от организаторов. #datascience

🚀 OpenAI to Z Challenge — охота за затерянными городами Амазонии 🌳🛰️ Искали повод совместить ИИ и приключения? Вот он: В чём суть OpenAI предлагает нам, цифровым археологам, найти новые древние поселения под пологом тропического леса. Используем свежайшие модели o3 / o4-mini / GPT-4.1, спутниковые снимки, LiDAR-тайлы, колониальные дневники и устные карты коренных народов. Цель — предъявить координаты, доказать существование «потерянных городов» и приоткрыть историю миллионов людей. Как участвовать 1. Соберите команду (или идите соло). 2. Роемся в открытых данных, прогоняем их через OpenAI-модели, скрещиваем методы (нужно минимум два независимых способа подтвердить локацию). 3. Упаковываем результаты: • git-репо с кодом; • короткий pdf/markdown c картами, скриншотами и выводами; • 200-словный abstract. 4. Заливаем форму на Kaggle до 30 июня 2025, 07:00 МСК (это 29 июня, 21:00 PST). Почему это круто 🏆 1-е место — $250 000 (+ кредиты API) и финансирование полевой экспедиции с бразильскими археологами. 🥈 2-е место — $100 000. 🥉 3-е место — $50 000. Плюс стрим финалистов с тайным гостем-лидером ИИ-индустрии. Что оценивают • Археологический вклад — насколько весомо открытие. • Инженерная изобретательность — глубина и креатив обработки данных. • Воспроизводимость — чтобы любой мог повторить путь к артефактам. Стартовый пак 📦 OpenAI уже собрал полезные ссылки, фичи моделей и советы по спутниковым данным — хватайте, чтобы не тратить время на грабли. 🗺️ Готовы стать цифровыми Конкистадорами (но без грабежей)? Жмите на форму, зовите друзей-и идите проверять легенды об Элдорадо. Возможно, именно вы поставите новую точку на карте человечества. 🔗 Ссылка на челлендж и форму регистрации

👾 ARC Prize 2025 Цель: Разработать ИИ, способный осваивать новые навыки и решать открытые задачи, а не только выполнять типовые сценарии обучения на больших датасетах. Проект направлен на продвижение к настоящему искусственному общему интеллекту (AGI). 📦 Данные: Обновлённый датасет ARC-AGI-2 с задачами, проверяющими абстрактное мышление и обобщение. Задачи калиброваны людьми и требуют от модели обучаться на лету. Каждая задача — это пара "ввод-вывод" на небольших решётках (гриды), где требуется понять скрытую закономерность. 📊 Метрика: Процент правильно решённых задач: На каждую задачу даётся 2 попытки. Если хотя бы одна попытка правильная → +1 балл за тестовый случай. Итоговый скор = среднее по всем задачам. 📅 Сроки: 🚀 Старт: 24 марта 2025 ✅ Регистрация и команды: до 27 октября 2025 📤 Финальные сабмиты: до 3 ноября 2025 📝 Подача научных работ: до 9 ноября 2025 💰 Призы — до $725,000: 📈 $125,000 за прогресс (топ-5 команд) 🏆 $600,000 Гран-при, если набрать ≥85% правильных решений ✍️ $75,000 за лучшие научные статьи 🔗 Ссылка на соревнование: ARC Prize 2025 Рекомендуем посмотреть решения с прошлого соревнования ARC Prize 2024 🤖И найти себе команду в боте @MLTeamSearchBot.

🌍 Yale/UNC-CH - Geophysical Waveform Inversion Цель: Создать модель, способную по сейсмическим волновым данным восстанавливать структуру подземных слоёв — задачу, известную как Full Waveform Inversion (FWI). Это важно для геофизики, медицины и диагностики материалов. 🔬 Почему это сложно? Традиционные физические методы точны, но очень медленные и нестабильны при слабом/шумном сигнале. Чистые ML-модели работают быстрее, но требуют огромных объёмов размеченных данных и плохо обобщаются на новые условия. 🏁 Ваша задача — объединить лучшее из двух миров: физику + ML. 📦 Данные: Данные основаны на OpenFWI — большом открытом бенчмарке для сейсмической инверсии. В соревновании участвуют три семейства подземных моделей: Vel — плавные изменения скорости Fault — с разломами и смещениями Style — сгенерированные с разными геологическими стилями Каждая пара включает: Волновой отклик (waveform) — вход модели Карту скоростей (velocity map) — целевая переменная Один файл содержит 500 примеров. Вся обучающая выборка разбита на файлы по 500 штук. 💡 Можно использовать полную версию OpenFWI (вне Kaggle) для дообучения моделей. 📊 Метрика: Средняя абсолютная ошибка (MAE) между предсказанным и истинным скоростным профилем. 📅 Сроки: 🚀 Старт: 8 апреля 2025 ✅ Команды до: 23 июня 📤 Сабмиты до: 30 июня 💰 Призовой фонд — $50,000: 🥇 $12,000 🥈 $10,000 🥉 $10,000 4-е место: $10,000 5-е место: $8,000 🔗 Ссылка на соревнование: Yale/UNC-CH - Geophysical Waveform Inversion Рекомендуем посмотреть видео про Computer Vision. 🤖И найти себе команду в боте @MLTeamSearchBot.

📣 BYU - Locating Bacterial Flagellar Motors 2025 (Kaggle) 🦠 Что ищем? Флагеллярные моторы — это крошечные молекулярные "двигатели" на поверхности бактерий, которые вращают жгутики и обеспечивают их движение. Один из самых эффективных природных механизмов на наноуровне! В этом соревновании вы будете определять наличие и точные координаты таких моторов в 3D-томограммах бактерий, полученных методом криоэлектронной томографии (cryo-ET). 📦 Данные: 3D-томограммы как наборы 2D JPEG-срезов Координаты моторов в формате (z, y, x) В тесте: томограммы с 0 или 1 мотором 📊 Метрика: F₂-score — акцент на Recall Предсказание засчитывается, если находится в пределах 1000 Å от реального мотора 📅 Сроки: 📆 5 марта 2025 — старт 🛑 28 мая 2025 — дедлайн входа и объединения в команды 📤 4 июня 2025 — дедлайн по сабмитам 💰 Призовой фонд — $65,000: 🥇 1 место: $20,000 🥈 2 место: $15,000 🥉 3 место: $12,000 4 место: $10,000 5 место: $8,000 🔗 Ссылка на соревнование: BYU - Locating Bacterial Flagellar Motors 2025 Рекомендуем посмотреть видео про Computer Vision. 🤖И найти себе команду в боте @MLTeamSearchBot.

📸 Image Matching Challenge 2025 Цель: Разработать алгоритмы, которые: Группируют изображения, относящиеся к одной сцене (или исключают «лишние» — outliers). Восстанавливают позу камеры (матрица поворота + вектор смещения) для каждой сцены — задача из области Structure-from-Motion (SfM). 💡 Представьте, что вы открыли коробку с пазлом… а в ней перемешаны детали от разных наборов. Задача: сначала разделить изображения по "сценам", а затем точно «собрать» каждую из них в 3D. Что в данных: Много наборов изображений, каждая сцена содержит несколько ракурсов. Некоторые изображения — outliers (не относятся ни к какой сцене). Для train-набора доступны матрицы поворота (R) и векторы смещения (T) для всех "правильных" изображений. В test — только изображения, вам нужно предсказать кластер (сцену) и позу камеры. 📊 Метрика, комбинирующая: mAA (mean Average Accuracy): аналог recall — сколько правильных изображений попало в кластер. Clustering Score: аналог precision — сколько из кластера действительно относится к сцене. Финальный результат — гармоническое среднее mAA и Clustering Score, усреднённое по всем наборам. Сроки: 🚀 Старт: 1 апреля 2025 🤝 Регистрация и команды: до 26 мая 📤 Финальные сабмиты: до 2 июня 🧠 Workshop на CVPR 2025: 11 июня 2025 (Нэшвилл, США или онлайн) 💰 Призовой фонд — $50,000 и шанс выступить на CVPR! 🥇 1 место: $12,000 🥈 2 место: $10,000 🥉 3–5 места: $10K / $10K / $8K 🔗 Ссылка на соревнование: Image Matching Challenge 2025 🏆Рекомендуем посмотреть интервью с победителем прошлого Image Matching Challenge 2024, где Владислав Останькович рассказал как ему удалось занять 1 место 🥇 А так же видео про Computer Vision. 🤖И найти себе команду в боте @MLTeamSearchBot.

Drawing with LLMs 🏆 Суть соревнования Участникам нужно по текстовому описанию сгенерировать SVG-код, максимально точно визуализирующий сцену. Главная цель — разработать практичные и переиспользуемые модели, оформленные как Kaggle Packages, с чётким и воспроизводимым предсказанием изображения в SVG-формате. 📦 Особенности - Это Package Competition — новая система, где вы создаёте Python-пакет с классом Model и методом predict(prompt), возвращающим SVG-код. - Все сабмиты — это ноутбуки Kaggle, собирающие и подающие ваш пакет на проверку. - Используется новая инфраструктура kagglehub — модели должны быть воспроизводимыми, модульными и без внешнего доступа к интернету. ⚙️ Требования - SVG должен соответствовать ограниченному набору тегов и атрибутов. - Размер SVG — не более 10 000 байт. - Без растровых данных и внешних ссылок. - Ответ должен быть сгенерирован менее чем за 5 минут. - Весь пайплайн генерации на тестовом сете — до 9 часов. 📊 Оценка Оценка проходит в несколько этапов: 1) SVG-проверка (размер, структура, ограничения). 2) Конвертация в PNG. 3) VQA-анализ (с помощью модели PaliGemma): задаются 4 вопроса по изображению, проверяется соответствие описанию. 4) OCR-проверка: если на изображении более 4 символов текста — начисляется штраф. 5) Aesthetic Score — эстетическая оценка с помощью CLIP-модели. 📌 Финальный балл — гармоническое среднее между VQA-оценкой и эстетикой (с приоритетом на VQA). 🗓 Таймлайн 🟢 Старт: 25 февраля 2025 🟡 Дедлайн входа и командных слияний: 19 мая 2025 🔴 Финальный дедлайн: 27 мая 2025 💰 Призы 🥇 1-е место — $12,000 🥈 2-5 места — от $10,000 до $8,000 🏆Рекомендуем посмотреть видео по NLP 🤖И найти себе команду в боте @MLTeamSearchBot.

Заметил интересную активность, я бы сам поучаствовал, будь свободное время! Сколтех проводит бесплатную Летнюю школу машинного обучения SMILES-2025 в Китае (12 дней, июль), где ведущие эксперты из Сколтеха, AIRI и HIT будут делиться знаниями о генеративных методах ИИ: LLM, мультиагентные системы, безопасный и визуальный ИИ. Участие офлайн и онлайн, всё бесплатно (включая перелёт и проживание), заявки принимаются до 20 апреля. https://smiles.skoltech.ru/school2025_rus

🧬 Stanford RNA 3D Folding Цель: Построить модели, способные предсказывать трёхмерную структуру РНК по её последовательности. Эта задача критически важна для фундаментальной науки и разработки новых методов лечения — от понимания функций некодирующих РНК до дизайна РНК-основанных терапий. Данные: Последовательности РНК (буквы A, U, G, C). Точные 3D-координаты атомов (экспериментально определённые) для обучения. Дополнительные метаданные (длина цепи, химические свойства и пр.). Метрика: 💡 Используется TM-score (Template Modeling Score) — метрика, оценивающая структурное сходство между предсказанной и эталонной 3D-структурой. Диапазон значений: от 0 до 1, чем выше тем лучше. Оценка проводится по 5 предсказаниям на каждую РНК, в зачет идет лучшее из пяти, а итоговая метрика — это среднее по всем целевым РНК 🔬 Выровненные структуры сравниваются с эталоном независимо от последовательности (US-align используется для привязки по пространственным координатам). Сроки: 🟢 27 февраля 2025 — старт соревнования 🥇 23 апреля 2025 — обновление паблик-таблицы, а также Early Sharing Prizes 🎁 ✅ 22 мая 2025 — дедлайн для входа в соревнование и объединения в команды 📤 29 мая 2025 — последний день для сабмитов 🧪 24 сентября 2025 — официальный конец соревнования после пост-оценки новых RNA-последовательностей Post-Competition: После дедлайна модель участников будет дополнительно оцениваться на до 40 новых RNA-последовательностях, которые появятся уже после завершения основной фазы. Это уникальный формат соревнования с "живым" leaderboard. 🔗 Ссылка на соревнование: Stanford RNA 3D Folding 🏆Рекомендуем посмотреть призовые решения предыдущих соревнований на Kaggle связанных с RNA(РНК). 🤖И найти себе команду в боте @MLTeamSearchBot.

BirdCLEF+ 2025 Цель: Основная задача — разработать модели машинного обучения для автоматической идентификации звуков животных, включая птиц, амфибий, млекопитающих и насекомых. Соревнование направлено на поддержку биоразнообразия и совершенствование технологий мониторинга дикой природы. В фокусе — Средняя долина Магдалены в Колумбии, регион с невероятным биологическим разнообразием. Животные, представленные в соревновании: 🐦 Птицы — туканы, попугаи, трогоны, тана́гры, козодои 🐸 Амфибии — древолазы, стеклянные лягушки, древесные жабы 🐒 Млекопитающие — коати, обезьяны, опоссумы, летучие мыши 🐞 Насекомые — сверчки, цикады, шершни, жуки Данные: Аудио (формат .ogg) — полевые записи, собранные автономными устройствами. Метки присутствия видов, включая координаты, время и идентификаторы. Таксономическая информация — названия на латыни и местных языках. Метаданные — геопозиция, время суток, качество записи, устройство и др. Метрика: Оценка моделей проводится по модифицированной macro-averaged ROC-AUC, которая рассчитывается только по тем классам (видам), в которых присутствуют положительные примеры. Это позволяет избежать искажения метрики из-за редких или отсутствующих в тесте классов. Сроки: 📅 10 марта 2025 — старт соревнования ✅ 29 мая 2025 — дедлайн на вход в соревнование 🤝 29 мая 2025 — последний день для объединения в команды 📤 5 июня 2025 — дедлайн на отправку финальных решений 🔗 Ссылка на соревнование: BirdCLEF+ 2025 🐥Рекомендуем посмотреть разбор призового решения Владислава Cornell Birdcall Identification, а также призовые решения предыдущих BirdCLEF на Kaggle. 🤖И найти себе команду в боте @MLTeamSearchBot.

Привет, друзья! После небольшого перерыва мы снова с вами и готовы к новым активностям! С этого момента каждый день мы будем публиковать краткие обзоры актуальных соревнований. А те из них, что вызовут наибольший интерес, разберём подробнее — поделимся идеями, подходами и возможными решениями. Также рады анонсировать тестовый запуск нашего бота для поиска сокомандников — @MLTeamSearchBot! С его помощью вы сможете просматривать активные соревнования, находить единомышленников и заводить новых друзей. Бот сейчас в активной разработке, поэтому будем признательны за ваши отзывы и предложения!

Всем привет! Для тех, кто пропустил или недавно присоединился, публикуем список лекций нашего Boostcamp: 1 О Kaggle, план Bootcamp, Roadmap 2 EDA, основные шаги, лики и разбор на примере соревнования 3 Версионирование экспериментов 4 Изучаем NLP. От основ до GPT 5 Computer Vision. Задачи, Архитектуры, Трюки 6 Павел Якубовский: Segmentation Models, Hugging Face и тренды в CV. Кажется, мы не затронули только аудио и табличные данные. Но у нас есть что порекомендовать! 🎧 По аудио: Посмотрите запись от ODS, где Владислав рассказал про призовое решение в соревновании Cornell Birdcall Identification: Владислав подробно объяснил, как аудио-сигнал преобразуется в мел-спектрограмму, с которой можно работать так же, как с изображениями, используя алгоритмы CV. Также он поделился особенностями аугментаций для аудио. 📊 По табличным данным: Это всё ещё самые популярные соревнования на Kaggle, и по ним огромное количество материалов. Но если вам хочется отдельной лекции или вы хотите узнать больше, напишите в комментариях — учтём ваши пожелания!

Всем привет! Надеюсь все отошли от новогодних праздников и готовы смотреть новое видео! В этом интервью Павел Якубовский, инженер Hugging Face и создатель популярной библиотеки Segmentation Models, делится своим опытом разработки open-source проектов, рассказывает о развитии своей карьеры и даёт рекомендации по работе с компьютерным зрением.

Рады поделиться с вами новой лекцией про Computer Vision! Обсудили основные типы задач, особенности архитектур, а так же популярные трюки которые помогут улучшить ваши результаты. Скоро выложим интересное интервью, где обсудили популярные библиотеки для задач компьютерного зрения и не только, следите за анонсами.