RASCAR

🧪 Внимание, 1 и 2 курсы Инженерии ИИ! Готовы провести эксперимент, который изменит всё? Объявляем набор на предстоящий хакатон! 🚀 🎯 Это шанс: — решить реальный кейс из индустрии — прокачаться и получить новый опыт — найти свою команду и познакомиться с другими участниками 👥 Формат: Соберите группу из 3–5 человек 🧠 Задача: Найти идеальную формулу решения для кейса, который заставит ваш мозг кипеть 📅 Когда/Где: 1 марта, Кронверский проспект 49 📢 Ожидание: Ждём вашей активной реакции! 🔥 К чему всё это? Пусть этот ивент станет катализатором вашего профессионального роста. Не упустите возможность синтезировать что-то действительно мощное, создать крепкие связи внутри команды... а также поесть пиццу 🍕 👉 Регистрация по ссылке: https://forms.gle/AgVpmXMxGH9n4hW38 ВАЖНО! Регистрация открыта до 23:59 20.02.2026 P.s. настоятельно рекомендуем ознакомиться с записью прошлой лекции, возможно, Вам это понадобиться) https://disk.yandex.ru/d/RkGMDwtFUEFXTQ По всем вопросам пишите @data_unsorted

Спешим порадовать праздничным анонсом! 27 декабря в 19:00 в дистанционном формате состоится лекция от Александра Смирнова! На лекции разберем победное решение с международного хакатона AI Challenge 2023, кейс «Анализ видео и изображений». Решалась задача оценки визуальной эстетичности изображений из ленты ВК: нужно было научить модель угадывать, как пользователи оценят пост с определенными картинками (содержательность, эстетичность, актуальность и т.д.) Для этого был реализован масштабный пайплайн, включающий в себя алгоритмы обработки изображений, извлечения разнообразных признаков из них и процессинг всего этого через дообученный мультимодальный энкодер. Даже если сейчас какие-то слова выглядят страшно - на лекции легко и понятно всё объясним и ответим на все вопросы интересующие вопросы. В последующих лекциях буду ссылаться на моменты, рассмотренные в этой, так что настоятельно рекомендую прийти послушать или потом ознакомиться в записи. Посмотреть записи лекций, задать вопросы и узнать о следующих разборах можно будет в нашем новом чате, вступайте!

upd: забыли приложить фотоотчёт 😁 а вот и он: https://disk.yandex.ru/d/4s2xsa0NNAruAg Вот и прошел хакатон для первокурсников от команды RASCAR! Делимся результатами и фотоотчётом👇🏻 Задача была довольно необычная: нужно было предсказать, как измениться рельеф Земли через 10 веков. Команда RASCAR дала участникам данные с координатами XYZ и разметкой рельефа — реки, озёра, вулканы, хребты. Нужно было понять закономерности, а затем спрогнозировать будущее расположение рек и озёр. В решении этой задачи приняли участие 20+ команд и 100+ участников. Ребята работали над задачей 5 часов, кто-то шел через аналитику и законы природы, другие доверились алгоритмам ML. Итоги: ▪️Сработали оба подхода. Первые два места взяли команды, которые пошли аналитическим путём, а третье — команда, применившая ML. 🏆 Победителями стали Google It Too с лучшей метрикой 0.81. Отрыв от соперников составил всего 0.08. ▪️ Дополнительные призы получили команды, которые внедрили самые креативные решения Для участников это был опыт, адреналин и новые знакомства) а для организаторов — радость работать с таким количеством талантливых ребят! Спасибо всем ребятам, команде RASCAR и администрации ФТИИ за впечатления и классный опыт!

🚨 Первокурсники, вот скоро и произойдет ваш первый хакатон! Внимание, это учебная тревога! Команда RASCAR, принесшая факультету пачку медалей в прошлом году, проводит хакатон для студентов первого курса бакалавриата. Что вообще такое «хакатон»? Это наш любимый спорт для мозга. Вам дают задачу, а вы за несколько часов находите решение и показываете результат. Такие мероприятия проводятся, чтобы найти лучших, и сделать им предложение, от которого будет сложно отказаться. Что будет на хакатоне от ребят и зачем вообще туда идти (да еще и в воскресенье, брр): ▪️вы будете решать задачу, связанную с ИИ и математикой. Да, это именно то, чему вы будете учиться 4 года. Так давайте же начинать:) ▪️это возможность попробовать себя в командной работе и в нестандартных условиях. Многие пренебрегают этим, но тем не менее это отличная тренировка. ▪️вы почувствуете вайб дедлайнов. Прямо как в реальном проекте! Спойлер №1: там будут пицца и призы. И спойлер №2: это весело. Участие дает гораздо больше, чем просто возможность победить — например, это отличный повод познакомиться поближе с однокурсниками, а также с опытными второкурсниками (командой RASCAR). 📅 Когда: 28.09 📍 Где: Кронверский пр., 49 👥 С кем: команда 3–5 человек, соберите свою команду! если не удается собрать — напишите в чате 🔗 Форма для регистрации: https://forms.gle/yJMD8gaPjr7gMooW8 Ребята, бояться не стоит, хакатон специально для первого курса — обязательно приходите, теперь вы часть нашей факультетской семьИИ!

📻 FINAM X HSE AI TRADE HACK — хакатон про ИИ в финансах Три кейса чистого ИИ: — FORECAST (Time Series, News NLP) — TRADER (LLM Agents, Trade API) — RADAR (Event Detection, LLM) Оценка в виде онлайн-лидербода и немного питчинга! Лёгкий старт для новичков — Бейзлайн-решение — Бесплатный доступ к топовым LLM — Активная менторская поддержка Чтобы каждый смог сделать первый сабмит в первые 30 минут! О хакатоне: — 1,2 млн₽ призовой фонд — Команды 2–4 человека — Даты: 3–5 октября Наша цель на хакатон — захантить самых лучших! Вступай в чат: @finam_ai_trade_hack 📎 Регистрация до 19 сентября (за первые регистрации — мерч!) Подробности на сайте

https://t.me/ai_panov/1267?single Александр Игоревич Панов выпустил огромную серию постов со статьями с ACL 2025, советую почитать, посмотреть вечерком за чаем, есть интересные доклады

Наука + бизнес = идеальный мэтч в ИИ ❤️ Наука помогает понять, как всё работает, и находит новые решения. А бизнес даёт ресурсы, чтобы эти решения стали реальностью. Но это если кратко и в теории. Реальные кейсы такой синергии и возможности для молодых исследователей обсудим на паблик-толке 17 июля в нашем офисе на Лесной и онлайн. Вместе с Иваном Оселедцем, генеральным директором Института ИИ AIRI и Андреем Рыбинцевым, старшим директором по ИИ Авито разберём: ☑️что такое RnD в компании, и как это работает; ☑️может ли бизнес без фундаментальных исследований и могут ли они приносить прибыль; ☑️какие новые задачи появятся у учёных в эпоху ИИ; ☑️как не ошибиться в выборе — научной карьере или развитии в бизнесе. Встреча будет особенно полезна начинающим исследователям и тем, кто хочет развиваться в RnD. Зарегистрироваться можно тут*. *Количество мест на встречу ограничено, поэтому рекомендуем не откладывать. Также внимательно заполняйте форму: приглашение участникам будем рассылать исходя из темы паблик-толка. #ds

Христос Воскресе! 🕊 Желаем счастья, доброты и домашнего тепла! 🌿✨ #Пасха #ХристосВоскресе

🚀💥🏆 [RASCAR] Артём Гончаров – Призёр РСОШ Олимпиады НТО по ИИ! 💻🔥 Задача: Re-identification (ReID) амурских тигров.🐯😵‍💫 Нужно провести идентификацию тигров из различных наборов изображений, снятых в разных условиях, а в качестве предсказания организаторы просили таблицу, где первый столбец – имя изображения, а второй – рекомендации (отсортированный массив имён файлов по степени сходства). Метрика оценки – Weighted CMC @1-5. 💡 Наше решение: — Использована модель ViT L14 DINO – современная архитектура Vision Transformer, дообученная с использованием методологии DINO, что позволяет эффективно извлекать представления (embeddings) из изображений. — В качестве loss-функции выбрали ArcFace Loss – она отлично помогает разделять классы в embedding-пространстве. Экспериментировали и с другими вариантами, такими как Triplet, Focal и Circle Loss, но ArcFace показал себя лучше всех! 🔍 Сложности: — Реидентификация изображений из разных серий требовала от модели некой адаптации для правильного сопоставления – это был настоящий вызов! — Интеграция с сервером организаторов и весьма ограниченные вычислительные мощности, доставили неприятности – пришлось проявить находчивость. — Времени на детальную настройку (fine-tuning) и blending не хватило, но базовое решение уже доказало свою эффективность. 🔥 Ключевые инсайты: — Правильный выбор архитектуры (ViT L14 DINO) и loss-функции (ArcFace Loss) являются критичными для задач ReID. — Оптимизация вычислительных ресурсов и организация серверного взаимодействия – важные аспекты при реализации сложных задач. — Даже базовые решения, если подойти к делу грамотно, могут принести отличный результат, способный вывести в призёры! 🏆 Итог: Грамотное сочетание современных архитектур и loss-функций способно решать сложнейшие задачи ReID, несмотря на вычислительные ограничения! 📂 Код и детали: GitHub 🚀#Rascar #НТО #DataScience P.S. Это уже моя третья выигранная олимпиада с уровнем РСОШ (с) Артем

Data Fusion 2025, итоги ✔️ 16 и 17 апреля в кластере «Ломоносов» проходит международная конференция по ИИ "Data Fusion", а вместе с ней — масштабный Data Fusion Contest с призовым фондом 3 млн рублей! 🔥 команда RASCAR участвовала в двух кейсах из трёх: Label Craft и Distribution. 🏆 в Label Craft, где нужно было предсказывать категорию товара по описанию, команда в составе Епифанова Антона, Михаила Шперлинга, Артёма Гончарова и Анастасии Коваленко среди 170 команд и почти 700 участников заняли 5 место. Решение состояло из блендинга метода опорных векторов SVC на синтетических и спаршенных с маркетплейсов данных. 💬 Комментарий Михаила: Я больше, чем расстроен. Больше месяца держали топ-1, но в последние 2 недели его упустили. Возможно, не хватило свежих идей. Спасибо команде, очень качественно поработали и боролись до последней минуты, горжусь каждым ❤️. 🥈в кейсе Distribution (предсказание распределения остатков на счетах клиента) команда в составе Артёма Гончарова, Анастасии Коваленко, Артёма Гуйвана и Михаила Шперлинга заняла 2 место среди 118 команд. 3 бустинга и логарифмированный таргет сделали своё дело. Спасибо большое организаторам за классные задачи и подаренные эмоции 🥳🎉 #Rascar #Datafusion #NLP #2место Фото: награждение Data Fusion, 16 апреля 2025.

🚀💥🏆 [RASCAR] ВРЫВАЕТСЯ В ТОП-9 НА НТО БДиМО С МУЛЬТИМОДАЛЬНОЙ МАГИЕЙ! 💻🔥 48 часов драйва, 3 гения и 7 таргетов, которые не хотели сдаваться. А еще — серверы без GPU в 2024. Но мы справились! 🧠 Команда "feel the agi": Артем Гончаров Егор Андреасян Даниил Антонов 🔍 Задача: «Предсказать виральность: лайки, репосты, комментарии и ещё 4 метрики по тексту, картинкам и просмотрам». Мультимодальная мультирегрессия — звучит страшно? Для нас нет! 💡 Наше решение: 🔥 1.«Слоны» не взлетели Проблема: CLIP и BERT не завелись на сервере без GPU. Докер плакал в углу. ✅ Решение: «Ребята, забудьте про трансформеры — достаем TF-IDF и пиксельные фичи!» 📊 2.Текст: Выжимаем суть — TF-IDF на 500+ фичей → сжали до 50 через SVD (как диета для данных). — Базовые метрики: слова, пробелы, хэштеги, HTML-теги. 🖼 3. Картинки: Цифры вместо нейросетей — Средний/мин/макс пиксель по каналам. — Стандартное отклонение, градиенты — да, это всё, что нужно для победы! 🚀 4. Почему сработало? — Простота ≠ слабость. — Комбинация фичей дала р2 выше, чем у попыток запихнуть BERT в CPU. 🔥 Главные инсайты: — Иногда линейная регрессия > трансформеров. — Мультимодальность — это про умение видеть данные, а не про stack моделей. — «Грязные» фичи могут бить SOTA, когда время поджимает. 🏆 Итог: Топ-9 из 45 команд, статус призеров и доказательство, что даже без GPU можно добиться успеха! 📢 Вопрос вам: Как думаете — какие фичи оказались ключевыми? Текст, картинки или комбинация? Пишите в комментах! #Rascar #БДИМО #НТО #DataScience #Мультимодальность P.S. Спасибо организаторам за интересный кейс и крутые эмоции! 💻🔥🚀 Github

🚀 Итоги хакатона «Любовь & ML» от RASCAR и ITMO ФТИИ! 🚀 Наши организаторы - Кирилл Черников и Игорь Карташов – устроили настоящий праздник искусственного интеллекта, где студенты первого курса Инженерии Искусственного Интеллекта показали, на что способны! 💥 🔍 Что было на хакатоне: 1️⃣ Кейс для новичков – ML-купидоны в деле! Два датасета с признаками и обучающей выборкой. Задача: подобрать идеальные совпадения, словно настоящие купидоны, но на машинном обучении! ❤️🤖 2️⃣ Кейс для продвинутых – предсказание уровня любви Датасет с ID пар, датами и событиями. Задача: предсказать поведение функции «уровень любви», анализируя последовательность событий. Сложно? Да! Интересно? Ещё как! 🔥 Что говорят участники? 💬 «Всё как я и представлял! Очень классный датасет, было интересно поотбирать фичи. Очень классное комьюнити, я испытал всю палитру эмоций!» 💬 «Самое то, чтобы расслабиться от будних дней и рутинной сдачи допсы! Нам как раз не хватало такого движа. Мы на славу порешали задачки!» 💬 «На моё удивление, за весь мой опыт в хакатонах, данная мини-организация в разы лучше большинства аккредитованных проектов (возможно, из-за дружной атмосферы).» 🏆 Итоги: 🔹 Хакатон получился заряженным, борьба между командами была напряжённой до последней секунды! 🔹 Участники не только прокачали свои ML-скиллы, но и получили море эмоций! 🔹 Полный лидерборд и эмоции победителей – в следующем посте. Спойлер: борьба была нереально плотной! 🎉 Спасибо всем участникам, организаторам и ITMO ФТИИ за крутой опыт! #ХакатонЛюбви #RASCAR #ИТМО #ФТИИ #ИИИ #DataScience #ML

💘 Влюбиться в ML? Легко! Хакатон для тех, кто ищет любовь... к Data Science! Привет, студенты! Готовы найти свою «вторую половинку» в мире машинного обучения? 🔍❤️ 2 марта в медиазоне на Ломоносова, 9 стартует хакатон, где алгоритмы и романтика сливаются в коде! Что будет? 👉 Два кейса по ML: Для новичков: Соберите "ML купидон" — почувствуйте себя самым метким лучником любви, подобрав каждому идеальную половинку! Для профи: Создайте "LoveGPT" — нейросеть, которая предскажет, переживёт ли пара второй свидание. Почему стоит прийти? ✅ Еда и напитки — голодный мозг не выдаст гениальный код! ✅ Призы — топ-3 команды в каждом кейсе получат крутые призы (какие? секрет, выиграете и узнаете). ✅ 5 часов драйва — с 14:00 до 19:00 прокачаете скиллы, мозги и чувство юмора. Не проспи свою любовь к Data Science! Регистрируйся командой из 3 человек, ждём всех, кто готов влюбиться в магию кода и пиццы 🍕. 📍 Где: Ломоносова, 9 (медиазона) ⏰ Когда: 2 марта, 14:00–19:00 🔗 Регистрация: [ссылка] (до 26-ого числа только для ИИИ!!!) P.S. Даже если не найдешь любовь жизни — точно найдешь задачи и море адреналина! #RASCAR, #MLove, #ХакатонЛюбви

Победа, которая открывает многие двери 🚀 Михаил Шперлинг, с которым мы уже хорошо знакомы по достижениям в RASCAR, стал победителем финала GSEA Russia в главной номинации «Будущий единорог». Теперь Михаил представит Россию в гранд-финале Global Student Entrepreneur Awards в Берлине! Его проект — Shperling.ai, безопасная корпоративная платформа с LLM и AI-агентами, которая помогает бизнесу автоматизировать задачи, интегрироваться с IT-системами и работать с данными без утечки информации. По сути, это «внутренний ChatGPT» для компаний, где важны безопасность и эффективность. Уже сейчас его решения ускоряют аналитику, улучшают клиентский сервис и сокращают издержки. Поздравляем Михаила с победой и желаем ему удачи на мировой арене! 🔥

🚀🔥🥂 НАША КОМАНДА ВОРВАЛАСЬ В ТОП-5 МЕЖДУНАРОДНОГО ХАКАТОНА AI DAO! 💥 Эмоции-на-максимум: 32 часа без сна 😵‍💫, пицца холоднее наших рук, а код горячее ада. 4-е место на приватном ЛБ? Да, обидно, ведь на публичном метрика была на высоте! 🧠 Команда: MINIONS MISIS MIPT ITMO [RASCAR] «Гении из ИТМО, МИСИС и МФТИ, которые доказали, что важен подход» Данил Карпов (ИТМО) Валерий Токарев (МИСИС) Антон Епифанов (МФТИ) 🔍 Задача: «Поймать таксиста-жулика по 4 фото» 4 фото такси (перед, зад, лево, право) → предсказать вероятность, что водитель врет о состоянии машины. Нет явного таргета — только мнения разметчиков и их согласованность. Ресурсы? Мощности как у Nokia 3310. Ансамбли? Забудьте. 💡 Бейзлайн: ResNet18 на коленке → ROC AUC 0.87. Нам же нужно было выжать из этого всё. 🧠 Наше решение: Инженерная магия 🔥 1. Таргет: «Сделай сам» Проблема: возможно, базового таргета не хватает ✅ Решение: Бейзлайновый таргет: простой, но интуитивный. Наш таргет: Label smoothing + перебор трешхолдов, чтобы модель «торопилась» с выводами. 💥 Почему? Обучение на двух выдало ROC AUC ~0.935, но бейзлайновый оказался стабильнее. Решили не усложнять — экономили время и ресурсы. 📷 2. Фото-стратегия: «4 в 1 не влезло» Проблема: Как обработать 4 фото такси? Идеи: ❌ Вариант 1: Запихнуть все фото в одну модель → «слишком много шума, мало смысла». ✅ Вариант 2: Предсказывать для каждого ракурса отдельно → брать максимум из 4 предсказаний. 🔎 Почему второй? Модель не путалась в ракурсах, а максимум ловил самые подозрительные случаи. Проще → лучше. 🔀 3. Multitask-модель: «Три в одном флаконе» Проблема: Как улучшить метрику без усложнения архитектуры? Решение: Разбили задачу на три подзадачи: Качество фото (p1), Наличие повреждений (p2), Корректность ракурса (p3). 🧮 Формула: 1 – (p3 * (1 – p2) * p1) → физика процесса + математика. Итог: ROC AUC 0.9846 — наш ответ на ограничения. 🛑 4. Чего НЕ сделали (и почему) Очистка данных: удаляли строки с противоречивыми вердиктами → метрика падала. Сложные ансамбли: не хватило мощностей → уперлись в потолок. Вывод: Иногда «грязные данные» и простая модель работают лучше, чем идеальный датасет с навороченным кодом. 🔥 Главные инсайты Ограничения ≠ Проблемы → это рамки для креатива. Multitask > Monotask → даже простая модель может решать сложные задачи, если правильно её «спросить». Target Engineering > Data Cleaning: Удаление «шумных» строк ухудшало метрику, что противоречит классическим подходам. 💡Всего к бейзлайну мы дописали ~70 строк, так что работать надо не 12 часов в день, а головой. 📢 Что дальше? Код → ссылка на GitHub нашего решения ТЫК СЮДА Вопрос вам: Какой подход впечатлил больше всего? Может, формула или ракурс-стратегия? Пишите в комментах — обсудим! 📌 #AI #Хакатон #DataScience #RAScar_AI 🚀💻🔥