Машинное обучение – это реализация анализа данных, не используя четких детерминированных алгоритмов. За последнее десятилетие машинное обучение было реализовано в беспилотных автомобилях, распознавании речи, эффективных поисковых системах и т.д. На данный момент машинное обучение прочно вошло в повседневную жизнь.

В рамках компетенции применяются наиболее эффективные алгоритмы машинного обучения и методы работы с большими объемами данных, реализуется опыт их практического применения. Рассматривается применение машинного обучения к практическим новым задачам, требующим быстрого и эффективного решения. Благодаря большому практическому опыту работы с большими данными, накопленному в индустрии, а также инструментам и системам, появилась возможность применения этого опыта для решения широкого круга задач.

Используя современные инструментальные средства можно выполнить прогнозирование и использовать графику для моделирования проблем. Эта компетенция формирует навыки корректной обработки данных, эффективного обмена данными и проведения базовой разведки больших сложных наборов данных.

Задание заключается в разработке программной подсистемы, реализующей решение прикладной задачи, включающей работу с большим объемом неструктурированных данных, методами машинного обучения.

Участники должны выполнить конкурсное задание, состоящее из трех модулей, за отведенное время:

1. Анализ и подготовка исходного набора данных;

2. Выбор и настройка алгоритма машинного обучения;

3. Реализация прикладного решения на основе выбранного алгоритма.

Владение компетенцией оценивается по следующим критериям:

• Скорость обработки данных;

· Точность работы алгоритма машинного обучения;

· Качество разработки прикладного программного решения.

В рамках обучения в Мастерской изучается опыт разработки и практически полезного применения алгоритмов машинного обучения к традиционным и новым задачам.