24 мая в стенах Высшей школы экономики прошли защиты и церемония награждения в рамках Хакатона, посвященного машинному обучению и анализу данных для ритейла. Это мероприятие организовано MAGNITTECH совместно с факультетом компьютерных наук НИУ ВШЭ.
На протяжении четырех дней студенческие команды работали над реальными заданиями, предложенными крупнейшим российским ритейлером — компанией «Магнит». Участники погружались в анализ данных, обучали модели, проверяли гипотезы и представляли свои решения перед взыскательными экспертами, стремясь не только достичь высоких результатов в разработке моделей, но и предложить практические подходы для внедрения в настоящий бизнес.
В Хакатоне приняло участие 370 студентов, обучающихся по техническим специальностям, которые были объединены в 111 команд. Оценку решений участников проводили эксперты и руководители направлений MAGNIT TECH и НИУ ВШЭ, а также специалисты в области машинного обучения и аналитики данных. Среди них были Вячеслав Кубаев — директор по цифровым технологиям MAGNIT TECH, Александр Бульдяев — руководитель продуктовой трансформации MAGNIT TECH, и Евгений Соколов — руководитель департамента больших данных и информационного поиска ФКН НИУ ВШЭ.
Одним из наиболее значимых кейсов, которые решали команды, стало «Прогнозирование продаж с учетом изменения тенденций». Для ритейла крайне важно точно предсказывать продажи новых магазинов и оценивать потенциальные локации. Однако, с течением времени, поведение покупателей, конкурентная среда и внешние факторы претерпевают изменения, что в свою очередь может негативно сказаться на качестве прогнозирования, даже если модели изначально были точными. Участникам необходимо было разработать методику, которая бы позволила учитывать изменения в распределении данных и обеспечивать стабильную точность прогноза между переобучениями модели.
Почетное третье место в этом направлении заняла команда, возглавляемая Андреем Кузьменко, студентом группы ИБО-23 Технологического университета имени А.А. Леонова, в сотрудничестве с сокомандниками из МГТУ имени Н.Э. Баумана. Студенты представили устойчивый пайплайн для прогнозирования продаж новых магазинов, который учитывает изменения в распределении данных в процессе переобучения модели. В их решении были использованы ансамбли CatBoost и логистической регрессии, а также методы калибровки прогнозов и усреднения нескольких сидов, что значительно повысило стабильность качества результатов.
Данное решение продемонстрировало высокий уровень проработки ML-пайплайна, охватывающего все стадии — от feature engineering и fine-tuning до калибровки и подготовки модели к практическому использованию.
Поздравляем Андрея Кузьменко и его команду с выдающимся результатом и желаем дальнейших успехов и впечатляющих побед в их будущих начинаниях!