Искусственный интеллект

Сквозные технологии НТИ: Большие данные и искусственный интеллект
Профиль РСОШ
100 баллов ЕГЭ

Сквозные технологии НТИ: Большие данные и искусственный интеллект
Профиль РСОШ
100 баллов ЕГЭ

Математика Информатика

Этап I — индивидуальный

17 сентября — 23 октября

2026
Этап II — командный

5 ноября — 11 декабря

2026
Финал

15 февраля — 15 апреля

2027

Точные даты этапов по профилю — в Личном кабинете на платформе «Талант». Общие даты этапов — на странице Расписания

Профиль посвящён анализу данных и применению методов машинного обучения для решения прикладных задач. Участники работают с реальными датасетами: исследуют данные, находят закономерности, создают признаки, обучают модели и оценивают качество решений.

На финале команды решают прикладной кейс от индустриального партнёра за несколько дней. При этом нужно учитывать ограничения по времени и вычислительным ресурсам и добиваться высокого качества решения.

01 6

Этапы соревнований

Этап I — индивидуальный

Первый этап состоит из двух туров.

Инженерный тур знакомит с тематикой профиля. Участники решают практическую задачу по машинному обучению:

исследуют реальный датасет;
анализируют данные;
обучают модель;
отправляют решение в проверяющую систему и получают место в общем рейтинге.

Предметный тур проверяет уровень школьной подготовки:

по математике;
по информатике.

Также участники проходят образовательную программу профиля — буткемп по машинному обучению. Он помогает решать задачи обоих туров и подготовиться к следующим этапам.

Этап II — командный

Ко второму этапу участники объединяются в команды из двух человек.

На этапе участникам предстоит решить индивидуальную и командную задачи.

Индивидуальная задача помогает закрепить навыки первого этапа.

В командной задаче участникам необходимо вместе найти подход к решению и построить модель. Здесь важны не только качество алгоритма, но и умение распределять работу и договариваться внутри команды.

Задачи второго этапа знакомят с более продвинутыми методами машинного обучения. Образовательная программа профиля помогает командам подготовиться к финалу.

Финал

Перед финалом команды проходят подготовительный хакатон с денежным призовым фондом. Он повторяет формат заключительного этапа и позволяет проверить подходы к решению прикладной задачи.

На финале командам предстоит за несколько дней решить масштабную прикладную задачу по машинному обучению от индустриального партнёра.

Участники будут:

работать с реальными данными;
исследовать и обрабатывать датасеты;
выбирать и обучать модели;
учитывать ограничения по времени и вычислительным ресурсам;
улучшать качество решения;
добиваться максимального значения метрики качества.

Финал проходит очно и собирает команды со всей страны. Соревнование завершается церемонией награждения.

Требования к команде

Знания и навыки

Программирование на Python. Умение обрабатывать данные с помощью NumPy и Pandas, строить модели с использованием scikit-learn и других библиотек машинного обучения, применять алгоритмы и структуры данных для быстрой обработки больших объёмов информации.

Анализ данных. Умение исследовать датасеты, находить закономерности, замечать выбросы и пропуски, очищать данные и создавать признаки для обучения моделей.

Машинное обучение. Понимание принципов работы линейной регрессии, деревьев решений, случайного леса, градиентного бустинга и нейронных сетей. Умение выбирать подходящий метод для конкретной задачи.

Математика для ИИ. Знание статистики, теории вероятностей и линейной алгебры, необходимых для анализа данных и работы с моделями машинного обучения.

Улучшение качества моделей. Умение применять кросс-валидацию, подбирать гиперпараметры и использовать ансамблирование для повышения качества предсказаний и защиты модели от переобучения.

Команда

Для участия во втором и заключительном этапах вам понадобится команда из 2 человек.

В команде могут быть следующие роли:

Аналитик данных. Исследует и очищает исходные данные, создаёт новые признаки, подбирает и тестирует алгоритмы, оценивает качество моделей и интерпретирует результаты.
Инженер-разработчик. Пишет код для обработки данных и обучения моделей, настраивает полный цикл работы от загрузки данных до получения предсказаний, оптимизирует производительность и готовит финальное решение к сдаче.

Роли могут сочетаться: один участник может выполнять несколько функций в команде.