Привет ! Эта статья о том, как я начал с того, что стал фанатом данных, чтобы выиграть настоящий хакатон Data Science (хотя я все еще фанат данных: D)
Существует множество платформ для хакатонов Data Science с потрясающими конкурентами. Но что, если я скажу вам, что существует платформа, на которой проводятся хакатоны по науке о данных, которая позволяет вам торговать своими моделями AI / ML и одновременно учиться всему?
Что ж, он существует! и это потрясающий Докшип
Док-корабль
Разрешите познакомить вас с платформой. Вот что говорится на целевой странице Dockship, и я цитирую:
Публикуйте и загружайте сотни предварительно обученных моделей искусственного интеллекта
Участвуйте в онлайн-соревнованиях по искусственному интеллекту
Свяжитесь с коллегами по анализу данных
Узнайте больше о Dockship на https://dockship.io/
Кроме того, я оставляю вам снимок экрана с удивительными моделями, которые я нашел на домашней странице Dockship :)
О хакатоне
Темой этого хакатона было создание решения для обнаружения и классификации масок лица. Критериями оценки были точность модели (моделей) и их скорость.
Мое решение
Как только я получил данные, я начал создавать классификатор. За неделю с большой точностью придумал классификатор (Ура!). Как только я открыл портал отправки, мне напомнили, что для решения также требуется детектор (Нет, ура! XD).
Я бросился обратно к своему профилю Kaggle. Просмотрел все ядра детекторов. Прилива адреналина хватило, чтобы за два дня построить детектор: D.
Это выигрышный ход?
Мое решение - это то, что сделал каждый участник. Если бы создание простого и понятного решения выигрывало бы конкурсы, хостинговые организации давно бы разорились XD.
Я понял, что мое решение было простым. Я начал искать идеи на странице конкурса. Меня внезапно поразило, что этот конкурс спонсирует Unreal AI.
Unreal AI позволяет запускать модели AI на периферийных устройствах. В ту самую секунду, когда я прочитал о Unreal AI, я вернулся к своему коду. Я знал, что нужно делать, и это было квантование.
С официального сайта PyTorch:
Квантование относится к методам выполнения вычислений и хранения тензоров с меньшей разрядностью, чем точность с плавающей запятой.
Это позволяет моделям, обученным на компьютерах, работать на других устройствах, например мобильных. Я знал, что это улучшит мои шансы, и это действительно так!
Вот ссылка на мою заявку: D
Объявление
По окончании конкурса я получил письмо от организации об объявлении победителя.
Команда Dockship попросила меня присоединиться к разговору в Google Meet. Мы обсудили опыт хакатона, и Саураб (генеральный директор) сказал, что я не вышел на первое место.
Верно. Я не выиграл хакатон! Итак, эта статья - афера?
Давайте посмотрим на картинки ниже.
Команда Dockship была впечатлена решением и объявила мне приз жюри. Очень редко на хакатонах замечают неэффективные решения.
Но в Dockship это не так. Я выиграл приз и титул, о которых даже не объявили до начала соревнования. (Значит, эта статья не афера :)
На этом я завершаю статью о моем опыте работы с Dockship. Хорошие новости: этот хакатон был только началом! Dockship уже анонсировал очередной хакатон в июле 2020 года. Присоединиться к нему можно здесь.
Обо мне
Я студентка и увлекаюсь машинным обучением. Вы можете связаться со мной в LinkedIn здесь.
