`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Что для вас является метрикой простоя серверной инфраструктуры?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Megogo пытается с помощью ИИ прогнозировать предпочтения зрителей

0 
 

Megogo пытается с помощью ИИ прогнозировать предпочтения зрителей

В конце марта на платформе Kaggle в режиме InClass прошел второй хакатон Megogo Kaggle Challenge. Специалисты по data science и machine learning соревновались в прогнозировании того, что будут смотреть пользователи Megogo.

Хакатон длился 48 часов – с 22:00 22 марта до 22:00 24 марта. Его целью было участие в развитии украинского Data Science и Machine Learning сообщества, а также установление контакта между разработчиками и медийным бизнесом. Участвовать можно было индивидуально или в команде до пяти человек. Обязательным условием была регистрация на Kaggle, где нужно было создать команду в первые 24 часа после начала хакатона. Организаторы получили 177 заявок, в итоге участие принял 81 человек. Конкурсанты сформировали 42 команды и предоставили 634 решения. Хакатон стал международным – в нем зарегистрировались не только украинцы, но и участники из других стран, в том числе Швеции и Германии.

Для прогнозирования платформа Megogo предоставила доступ к анонимизированным реальным данным об активности пользователей за три месяца – кто, что и когда смотрел и какие фильмы понравились.

На основе информации участники должны были создать высокоточное воспроизводимое решение, способное предсказать, что пользователи Megogo будут смотреть в следующем месяце. Допускались работы на любом языке программирования. Все команды и индивидуальные участники могли выбрать по два решения для оценки.

Победителей определили с помощью приватной турнирной таблицы. Три команды разделили денежные призы. Первое место занял Алексей Гранков (команда x0x0w1). Он натренировал рекуррентную нейронную сеть (RNN) на миксе из данных о просмотрах и эмбеддинге по метаданным о фильмах. За 15 минут до финала Алексей усовершенствовал решение, использовав два типа нейросетей. Это и принесло ему победу. X0x0w1 получит $2000.

Второй стала команда AfterParty. Участники уступили победу в последние минуты. В решении AfterParty использовали последовательности просмотренных фильмов в качестве входных данных, натренировав комплексный ансамбль из RNN и нейросетей долгой краткосрочной памяти (LSTM). Приз команды – $1000.

«Бронзовым» было признано решение команды, назвавшейся Netflix. Ее участники провели качественный exploratory data analysis и добавили явное использование данных о недосмотренных сериалах и купленных, но не просмотренных фильмах к классической ALS-модели. Это повысило точность решения. Участники получат $500.


Вы можете подписаться на наш Telegram-канал для получения наиболее интересной информации

0 
 

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT