Большие данные и машинное обучение

Создайте систему рекомендаций и прогнозирования на основе анализа больших данных и машинного обучения. 

Профиль посвящен работе с большими данными и машинным обучением. Большие данные дают ценную информацию о поведении клиентов, рынков и производственных процессов. Работа с большими данными помогает извлекать ценные инсайты и принимать обоснованные бизнес-решения. Машинное обучение позволяет автоматизировать процессы и улучшить эффективность работы в разных сферах: от финансов до медицины и производства.

Участники профиля анализируют массивы данных об активности пользователей социальных сетей, создают алгоритмы и разрабатывают рекомендательные системы, которые наиболее точно будут предлагать им подходящий контент.

«Наша команда не впервые участвует в НТО. Я прошел через несколько олимпиад, хакатонов и уже умел работать как с Docker, так и другими ПО и ML-моделями. Это значительно расширило наши возможности при работе с данными и позволило в итоге найти оптимальное решение задачи. Также у нас были классные вожатые! Они поддерживали, развлекали нас в свободное время и отвечали на любые вопросы — это очень помогло чувствовать себя комфортнее и сосредоточиться на выполнении олимпиадных заданий».

Вадим Ветров. 2025. Победитель.

Участникам предстоит решать задачи двух туров: инженерного и предметного.

• Инженерный тур знакомит с тематикой профиля.
• Предметный тур проверяет уровень школьной подготовки по математике и информатике.

Также участники освоят теорию машинного обучения через образовательный блок и повысят свои компетенции в анализе данных. 

Для решения задач II этапа необходимо собрать команду: чем сплоченнее она будет, тем выше шансы на успех в финале. Участникам советуют развивать профессиональные и коммуникативные навыки: общаться, учиться распределять задачи, узнавать сильные стороны членов команды.

На этом этапе участники продолжат погружение в олимпиадное программирование и машинное обучение. Работа над задачами и изучение образовательных материалов профиля помогут участникам подготовиться к финалу и познакомят с платформой по проведению контеста. Дополнительно преподаватели ИТМО проведут вебинары, мастер-классы и хакатон. 

В течение нескольких дней командам предстоит решать большую инженерную задачу. Участникам предстоит разработать точный алгоритм рекомендательной системы, который на основе данных о пользовательской активности в социальной сети (лайки, дизлайки, репосты) будет точно подбирать релевантный контент. 

Для работы предоставляется набор данных с описанием и задание, включающее проверочные данные, критерии оценки и базовое решение. Задача участников — по заданному набору данных аппроксимировать скрытую зависимость в нём и построить предсказание целевой метки.