Pull to refresh
321.85
Сбер
Больше чем банк

Лучшие «рейверы» хакатонов: big data и мобильная разработка

Reading time 3 min
Views 4.2K
На прошлой неделе мы провели в Сколково большую конференцию Cradle: Rave. Организовали много выступлений на разные темы, а еще трехдневные хакатоны по Big Data и мобильной разработке. В этом посте мы расскажем о лучших идеях из тех, которые сгенерировали более 25 команд из Москвы, Самары и Иннополиса.




Мы оценивали решения задач в соответствии с тем, к чему сами стремимся в «СберТехе». Главные критерии — актуальность, масштабируемость на 20 млн пользователей, относительная простота внедрения и развития функциональности. Еще мы учитывали оригинальность подхода и технической составляющей, уровень реализации прототипа и презентации команд.

Мобильная разработка


На хакатоне по мобильной разработке мы ждали от участников три приложения:

  • персональный финансовый менеджер с функциями рекомендаций и отчетности,
  • мессенджер с функциями чат-бота, аудио- и видеозвонками,
  • интерактивную карту города с отделениями и банкоматами.

Третье место заняла московская команда ITiger с приложением SberPhone на iOS и Android. Оно предоставляет финансовую и навигационную информацию: где находится ближайший банкомат, как взять кредит, можно ли сделать вклад. Также в SberPhone есть мессенджер с функцией аудио- и видеозвонков, голосовым чат-ботом и шифрованием данных. Приложение получилось достаточно хорошим и цельным для запуска на рынок.



На втором месте оказалась команда Save Money с финансовым планировщиком для студентов. Приложение помогает планировать бюджет, управлять расходами и финансовыми рисками. Пользователи могут устанавливать суммы расходов/доходов, категоризировать траты, планировать покупки. Чтобы упростить работу, планировщик дает подсказки. За время хакатона проект был разработан с нуля, без использования сторонних фреймворков.




Первое место на хакатоне по мобильной разработке не досталось никому. Члены жюри не увидели ни в одном проекте одновременно оригинальность самой идеи и исполнения, а также использование инноваций. В основном, все участники показали конструкторы из готовых фреймворков и решений, некоторые использовали свои наработки с прошлых хакатонов. Кроме того, ни одна команда не работала над третьим заданием, с интерактивной картой города, которая требовала применения разных технологий, включая VR.

Большие данные


Участники хакатона по большим данным создавали два продукта:

  • чат-бот, выдающий аналитику по недвижимости в заданном районе на основе алгоритмов машинного обучения,
  • алгоритм по оптимизации совместных пассажирских перевозок с заранее заданным количеством ресурсов.

Здесь уровень участников оказался выше ожидаемого. С первой задачей призеры справились одинаково хорошо. В итоге победителя определила задача с оптимизацией и разные нюансы.

Третье место заняла команда GoGeo с ботом gogeo_bot. Вы задаете боту адрес и другие условия, а в ответ получаете полезную демографическую информацию: сколько людей живет в заданной доступности от места, какой доход у населения, какая прибыль работающего там бизнеса и т.д. В дальнейшем команда планирует довести проект до полноценного сервиса, который будет помогать открывать новые точки бизнеса. Участники GoGeo будут очень благодарны, если вы оставите фидбек на их сайте: www.gogeo.me.



Второе место у команды EORA. Она решила задачу по определению класса офиса через анализ комментариев продавца или арендодателя. Из них система вычленяет актуальность продажи офиса, наличие лифта в здании, отделки в самом офисе и другую информацию. По координатам здания система определяет улицу, район и административный округ, а по району — уровень преступности. Система также умеет находить ближайшую станцию метро и расстояние до нее, а также избавляться от ненужных данных. Участники заполнили все пропуски -1 и обработали все данные с помощью CatBoost — модели машинного обучения от Яндекса. В результате был получен результат ~0.9 по метрике f1_score macro — это дало второе место.

Задачу по оптимизации перевозки пассажиров EORA решила с помощью линейного программирования. Алгоритм команды находил оптимальный маршрут с минимальным суммарным пробегом. При расчетах учитывались ограничения: пользователь может одновременно сесть только в одну машину, водитель может вести только одну машину, пользователю может быть отказано в поездке и т.д. Во время построения маршрута алгоритм учитывает положение и водителя, и клиента.


Победителем bigdata-хакатона стала команда «Канапе». Их чат-бот для первой задачи показался жюри наилучшим по реализации основных функций, и к ним еще был добавлен поиск по геолокациям с голосовым управлением.

Вторую задачу команда разбила на две части. В первой части алгоритм оценивает распределение заказов и перемещает водителей так, чтобы эффективно покрывать всю территорию и быстрее забирать клиентов. Во второй части оптимизируется передвижение водителей с пассажирами — так, чтобы они забирали попутчиков по дороге и везли до четырех пассажиров одновременно.



Победитель хакатона по big data получил 250 тысяч рублей, команды, занявшие вторые и третьи места — по 150 и 100 тысяч соответственно.

Отдельное спасибо нашему партнеру — компании IBM за предоставленную платформу IBM Data Science Experience (интерактивная среда для совместной работы над задачами по анализу данных)
Tags:
Hubs:
+2
Comments 5
Comments Comments 5

Information

Website
www.sber.ru
Registered
Founded
Employees
over 10,000 employees
Location
Россия
Representative