Совсем скоро в Бластим стартует программа ДПО по ML. У нас пока нет соревнований, но мы предлагаем участникам другой вызов — в последние недели курса выполнить и защитить серьезный машинленерский проект. Такая самостоятельная работа под менторством преподавателей невероятно важна для закрепления материала и пополнения портфолио.
Какие проекты можно выбрать? Например, такие:
💅 Очумелые ручки
Задача заключается в обучении модели, которая будет прогнозировать уровень гемоглобина в крови по цвету ногтей на снимках. Предстоит выяснить, достаточно ли простой советской линейной регрессии (как делали авторы датасета) или же можно повысить качество предсказаний, обучив сверточную нейросеть или автоэнкодер. На стадии инференса (применения модели на новых данных) предлагается сфоткать свои пальчики и проверить, нет ли у вас анемии.
🦁 Братья наши меньшие
Для мониторинга биоразнообразия, отслеживания редких и исчезающих видов важно уметь автоматически распознавать животных на изображениях. При этом необходимо не только их классифицировать, но и точно определять местоположение объекта на картинке, заключая его в рамочку. Это называется задачей детекции. Однако животные часто принимают необычные позы, маскируются и прячутся. Цель — построить алгоритм компьютерного зрения, робастный в условиях дикой природы, и проверить его на фото своего питомца.
🧠 Чтение мыслей
Хотите управлять компуктером или проходить видеоигры силой мысли? Сегодня нейроинтерфейсы не мечта, а реальность. И не обязательно вживлять чип Neuralink Илона Маска. Смельчакам, которые возьмутся за этот кейс, придется поработать с электроэнцефалограммами (ЭЭГ) и натренировать модель определять намерения людей по паттернам активности мозга. Вариантов хоть отбавляй: от бустинга до рекуррентно-сверточных сетей и Foundation Models. Выбор за вами!
Именно проекты вынуждают мыслить творчески, применять пройденные методы и учиться принимать решения. Взять классические алгоритмы или глубокие нейросети? Начинать с нуля или использовать трансфер ленинг? Гнаться за качеством или за скоростью?
А для тех, кто не ищет легких путей, мы предлагаем опцию «Bring Your Own Data». Пройдите полный цикл ML-разработки: от формулирования гипотезы, сбора данных и разведочного анализа до презентации готового продукта. Будет трудно, но нужно пережить эту одиссею, чтобы стать млщиком
Какие проекты можно выбрать? Например, такие:
💅 Очумелые ручки
Задача заключается в обучении модели, которая будет прогнозировать уровень гемоглобина в крови по цвету ногтей на снимках. Предстоит выяснить, достаточно ли простой советской линейной регрессии (как делали авторы датасета) или же можно повысить качество предсказаний, обучив сверточную нейросеть или автоэнкодер. На стадии инференса (применения модели на новых данных) предлагается сфоткать свои пальчики и проверить, нет ли у вас анемии.
🦁 Братья наши меньшие
Для мониторинга биоразнообразия, отслеживания редких и исчезающих видов важно уметь автоматически распознавать животных на изображениях. При этом необходимо не только их классифицировать, но и точно определять местоположение объекта на картинке, заключая его в рамочку. Это называется задачей детекции. Однако животные часто принимают необычные позы, маскируются и прячутся. Цель — построить алгоритм компьютерного зрения, робастный в условиях дикой природы, и проверить его на фото своего питомца.
🧠 Чтение мыслей
Хотите управлять компуктером или проходить видеоигры силой мысли? Сегодня нейроинтерфейсы не мечта, а реальность. И не обязательно вживлять чип Neuralink Илона Маска. Смельчакам, которые возьмутся за этот кейс, придется поработать с электроэнцефалограммами (ЭЭГ) и натренировать модель определять намерения людей по паттернам активности мозга. Вариантов хоть отбавляй: от бустинга до рекуррентно-сверточных сетей и Foundation Models. Выбор за вами!
Именно проекты вынуждают мыслить творчески, применять пройденные методы и учиться принимать решения. Взять классические алгоритмы или глубокие нейросети? Начинать с нуля или использовать трансфер ленинг? Гнаться за качеством или за скоростью?
А для тех, кто не ищет легких путей, мы предлагаем опцию «Bring Your Own Data». Пройдите полный цикл ML-разработки: от формулирования гипотезы, сбора данных и разведочного анализа до презентации готового продукта. Будет трудно, но нужно пережить эту одиссею, чтобы стать млщиком
