Еще одна победа: магистранты Питерской Вышки стали призерами престижного соревнования по машинному обучению
Студенты и преподаватель Санкт-Петербургской школы физико-математических и компьютерных наук заняли третье место в соревновании NeurIPS 2020: Black-Box Optimization Challenge. Решение разрабатывалось совместно с лабораториями JetBrains Research.
Соревнование Black-Box Optimization Challenge проходило в рамках конференции по машинному обучению NeurIPS 2020 . Участники должны были разработать алгоритм, который способен находить оптимальные параметры для моделей машинного обучения, при этом не зная о какой модели, метрике и датасете идет речь.
Основная часть соревнования проходила с 1-ого июля по 15-ое октября 2020 года. На протяжении этого времени команды могли отправлять решения для проверки на первом наборе тестовых задач. С 15-ого октября по 15-ое ноября проходило закрытое тестирование решений участников на втором наборе тестовых задач. По результатам финального тура команда JetBrains Research заняла третье место и получила приз в размере трех тысяч долларов. Первое и второе место заняли команды из Huawei и NVIDIA.
Состав команды JetBrains Research:
-
Никита Сазанович, студент 2-го года обучения магистерской программы «Программирование и анализ данных»;
-
Юрий Белоусов, студент 2-ого года обучения магистерской программы «Машинное обучение и анализ данных»;
-
Анастасия Никольская, студентка 2-ого года обучения магистратуры Санкт-Петербургского государственного университета;
-
Алексей Шпильман, заведующийЦентром анализа данных и машинного обучения НИУ ВШЭ — Санкт-Петербург и лабораторией Агентных систем и обучения с подкреплением JetBrains Research.
Участие происходило в сотрудничестве с JetBrains Research: Никита Сазанович является сотрудником, а Юрий и Анастасия — стажерами JetBrains Research.
Подробнее о соревновании и решении своей команды Никита Сазанович рассказал в блоге Питерской Вышки на «Хабр».
Поздравляем команду и желаем новых побед!
Шпильман Алексей Александрович
Заведующий Центром анализа данных и машинного обучения