help@sochisirius.ru
3-24 декабря 2021

Образовательная программа «Алгоритмы и анализ данных»

Прием заявок для участия в конкурсном отборе был открыт до 15 сентября 2021 года
К участию в программе допускались только зарегистрировавшиеся школьники

По вопросам участия в программе просим обращаться по адресу: nauka@sochisirius.ru

Программы прошлых лет: 2020, 2019

О программе

Образовательная программа была ориентирована на старших школьников, увлекающихся олимпиадным программированием и имеющих уверенные знания языка программирования Python, С++, а также алгоритмов и структур данных.

Программа состояла из трех блоков. Первый блок был посвящен подготовке к олимпиадам по информатике. В рамках интенсива по олимпиадному программированию школьники были разбиты на группы в зависимости от уровня подготовки.

Лекционный план

Группа А

Разбор задач на динамику
Графы
Геометрия с самых основ
Разбор задач на ДО
Корневая декомпозиция
Теорвер

Группа В

Оптимизации динамики
Потоки
Геометрия для продолжающих
Продвинутые структуры
HLD и Centroid decomposition
Строки и суфмас
Теорвер

Группа С

FFT
Симплекс-1
3D-геометрия
Link cut и splay
Теорвер и сложные применения
Приближенные алгоритмы

Задачи

Часть 1
Часть 2
Часть 3
Часть 4
Часть 5
Часть 6
Часть 7
Часть 8
Часть 9
Часть 10
Часть 11
Часть 12
Часть 13
Часть 14
Часть 15
Часть 16
Часть 17

Второй блок программы был посвящен решению оптимизационных задач и знакомству с методами машинного обучения. Данный блок был направлен на подготовку к решению нестандартных задач на олимпиадах по информатике, а также на получение навыков применения математических методов для решения реальных задач, связанных в том числе с анализом данных. В рамках переходной части читались лекции и проводились контесты, которые были нацелены на повышение понимания того, как материал алгоритмической части наилучшим образом применить в проектной части. 

Задачи

Детектор спама
Интерполяция с шумом. Популярность песен
Квалификация шума. Языки. Узнать тип графа

Третий блок программы — проектная работа с преподавателями-практиками. В рамках проектной части участники распределялись на команды. У каждой команды был преподаватель – аналитик или разработчик-исследователь с опытом. Обучение практическим навыкам происходило непосредственно в работе команды над проектом. Куратор ставил задачу команде, помогал распределять роли и декомпозировать на подзадачи. В процессе работы отвечал на вопросы, поддерживал в сложные моменты и делал ревью кода. 

В течение смены был проведен мастер-класс по составлению презентаций, а также лекция по основам продуктового дизайна от Сергея Терновых, дизайн-директора Яндекс.Поиска. Полученные знания должны были дать участникам представление о немаловажной составляющей процесса презентации своего продукта/проекта. 

Распределение по проектам производилось на основе опроса предпочтений учащихся после того, как кураторы проектов презентовали идеи проекта, цели и инструменты работы.

Список проектов

1. Анализ отзывов о компании
2. Поиск похожих изображений с помощью компьютерного зрения + телеграм бот
3. Написание среды на основе технологии ray casting'а и применение reinforcement lerning'а для обучения агентов, действующих в этой среде
4. Обучение искусственного интеллекта в играх
5. Приложение для просмотра мемов в концепции «Ноль взаимодействий» на базе искусственного интеллекта
6. Нейросетевой квиз
7. Алгоритм отбора товаров на складе
8. 8-я симфония Чайковского. NeuroMusicBot
9. CGI телеграм бот
10. Генерация кода на языке Python при помощи языковых моделей
11. Ну помнишь вот этот мем скидывали?»: Бот для поиска по картинкам и стикерам в телеграме
12. Редактор 3D моделей в браузере с возможностью совместной работы и финальным рендерингом
13. АнтиТоксичный бот для телеграма
14. Суммаризация диалогов на русском языке + телеграм бот

Описание проектов
 

1. Анализ отзывов о компании 

Руководители проекта: Адель Валиуллин и Святослав Емельяненко

Описание проекта: В рамках работы над проектом ребята научатся собирать данные с веб-сайтов, работать с текстовыми данными, строить различные модели машинного обучения на текстовых данных и разрабатывать веб-сервисы с прототипами разработанных моделей.
Основные этапы работы над проектом:
- сбор данных из внешних источников
- обработка полученных данных
- обучение текстовых моделей машинного обучения
- разработка веб-сервиса
Будут агрегироваться данные о компании из различных источников для последующего анализа текстовых данных. Один из способов -- сбор отзывов о компании из открытых источников (сайты отзывов, форумы, магазины приложения и другие ресурсы) и обработка этих данных методами машинного обучения для классификации и сентимент-анализа.
Планируется реализовать агрегатор отзывов о компании с различных интернет ресурсов и построение модели машинного на полученных данных.

Презентация проекта
 

2. Поиск похожих изображений с помощью компьютерного зрения + телеграм бот 

Руководитель проекта: Нерсес Багиян

Описание проекта: Распознавание лиц — очень популярная и обсуждаемая тема последних лет. Ваше лицо наверняка уже хранится на нескольких серверах нескольких компаний, особенно если вы хоть раз были в московском метро. В этом проекте мы не будем обсуждать этичность и пользу таких систем, наоборот, мы постараемся сесть на оба стула одновременно и научимся улучшать и ломать такие системы одновременно. Мы изучим методы, которые используются в работе с изображениями, поговорим про быстрое сравнение изображений и матчинг разных личностей по фотографии. В ходе работы студентам будет выдана готовая модель обнаружения и распознавания лиц, со всеми исходниками. Задача проекта — изобрести способ обманывать модель и в реальной жизни (например, незначительно меняя лицо), и программно (например, добавляя обучаемый шум к изображениям). Сломать реальные системы с помощью таких методов не получится, но их можно использовать для того, чтобы улучшить их работу.

Презентация проекта
 

3. Написание среды на основе технологии ray casting'а и применение reinforcement lerning'а для обучения агентов, действующих в этой среде

Руководитель проекта: Антон Филиппов

Описание проекта: Давно ли вы играли в игры 3D шутеры? Отстреливали ботов, или, быть может, реальных оппонентов, притаившись в засаде с винтовкой наперевес, лихорадочно подрагивая указательным пальцем на левой кнопке мыши? Или, возможно, играть в шутер для вас не так интересно, как написать свой: создать среду, добавить в нее агента, и, обучив его при помощи reinforcement learning’а, собрать на карте максимальный скор, уже не притрагиваясь к клавиатуре?
В этом курсе мы узнаем, что такое ray casting, реализуем этот подход при помощи модуля pygame, библиотек numpy и numba, создадим полноценный 2.5D мир, натянем на него текстуры, прикрутим звук и анимируем спрайты, и под конец, если успеем, освоим rl-концепт для обучения ботов. Возможно, устроим соревнование на создателя лучшей policy.

Презентация проекта
 

4. Обучение искусственного интеллекта в играх

Руководитель проекта: Иван Дёгтев

Описание проекта: Тема общего искусственно интеллекта давно бороздит просторы Голливуда и ещё дольше витает в фантастической литературе. На то есть очень существенные причины: компьютер переиграл человека в самую человеческую игру шахматы, а потом в го, а сейчас даже умудрился переиграть во многие Atari игры. При этом мы по-прежнему не можем считать голосовых помощников абсолютно всезнающими и доверяем им не так уж много повседневных задач.
В нашем проекте мы попробуем разобраться, что сейчас могут и не могут модели машинного обучения и узнаем, как их обучать на простых примерах и играх.
За проект мы узнаем несколько подходов к обучению с подкреплением, в том числе «глубокие», победим несколько дискретных и непрерывных сред из OpenAI Gym, посмотрим, как устроены алгоритмы обыгрывающие человека в шахматы и го, а также переиграем человека в вариацию Гомоку!

Презентация проекта
 

5. Приложение для просмотра мемов в концепции «Ноль взаимодействий» на базе искусственного интеллекта

Руководитель проекта: Алексей Космачев

Описание проекта: Настоящий стартап начинается с революционной, может быть даже безумной идеи, про которую никто другой даже и не думал. Но придумать что-то такое с нуля - задача очень непростая, поэтому часто хорошая стратегия - взять существующую идею и выкрутить ее на максимум!
В последнее время все больше популярности получают сервисы с бесконечным потоком контента. TikTok, Instagram Reels, даже Telegram начинает вводить бесконечную ленту каналов. Основа их успеха - минимальное количество взаимодействий с приложением для их использования. Мемы, видео, новости просто льются рекой. У пользователя осталось только одна операция, которую ему нужно делать – ставить лайк. Но ведь это не предел – a что если пользователю не нужно будет вообще двигать рукой даже чтобы поставить лайк? 
Многие скажут, что это невозможно, а мы рискнем и попробуем сделать такое приложение! Приложение будет показывать мемы, и пока пользователь будет смотреть на мем, мем будет смотреть на пользователя. С помощью веб камеры мы будем следить за лицом и с помощью нейросетей определять, какую эмоцию сейчас испытывает наблюдатель. Эту информацию мы будет отправлять в нашу рекомендательную систему, которая будет с каждым разом отправлять все более и более смешные для него мемы, основываясь на всей палитре эмоций, которые он испытывал до этого.                                         
В рамках проекта мы попробуем собрать прототип нашего приложения - реализуем веб-клиент, встроим в него искусственный интеллект, напишем сервер, прикрутим к нему рекомендательную систему. Поговорим и про практическую составляющую и про теоретическую базу, которая стоит за используемыми технологиями.

Презентация проекта
 

6. Нейросетевой квиз 

Руководитель проекта: Сергей Юдин

Описание проекта: Цель проекта – создать бота, позволяющего играть в викторины. Но саму базу вопросов мы будем майнить из открытых источников, с использованием нейросети YaML (Балабоба), которая будет эти вопросы генерировать из текста про объекты. Мы изучим основные техники, поиграемся с демкой и выстроим пайплайн майнинга данных (парсинг источника, подготовка текста, rewrite нейросетью, фильтрация). 
В этом проекте вы научитесь:
- программировать модель «на естественном языке»
- парсить, собирать и очищать данные из интернета
- разрабатывать масштабируемую архитектуру для ботов
- придумывать и внедрять игровые механики для бота (учет статистики, лидерборд и т.д.)

Презентация проекта
 

7. Алгоритм отбора товаров на складе

Руководитель проекта: Алексей Сотов

Описание проекта: Каждый год, перед Дедом Морозом стоит сложная задача - найти на складе заказанные подарки и отправить их во все уголки нашей необъятной страны на реактивных оленях.
Подарки разложены по всему складу. Поэтому Деду Морозу помогают волшебные гномы. Каждый гном может взять тележку и идти по складу, отбирая подарки.
Чтобы было быстрее, каждый гном отбирает товары сразу для нескольких заказов. Так пройдя то же расстояние - гном будет отбирать больше товаров.
Затем на следующем этапе - другие гномы будут рассортировывать отобранные товары на конкретные посылки.
Как раздать задания гномам по отбору товаров на складе так, чтобы все дети получили подарки вовремя? Мы с вами рассмотрим несколько подходов к этой задаче оптимизации. Например, эвристический подход, метод имитации отжига.
Аналогичную задачу в Яндекс.Маркете решают каждый день, отправляя тысячи посылок по всей стране!

Презентация проекта
 

8. 8-я симфония Чайковского. NeuroMusicBot

Руководитель проекта: Ильдус Садртдинов

Описание проекта: - Вы слышали 8-ую симфонию Чайковского?       
- Естественно, ну и что?                                          
- А он их всего 6 написал!        
У каждого из нас есть свои любимые музыкальные исполнители, которыми мы заслушиваемся в дороге, на учебе или на работе. Однако, каким бы трудягой не был музыкант, он выпускает конечное число композиций за свою карьеру. Что же делать, если все старые треки любимого исполнителя уже надоели, а новые всё не выходят (или не выйдут уже никогда)? Ответ прост! Мы можем использовать алгоритмы машинного обучения, чтобы генерировать новые композиции, похожие на уже существующие. К сожалению, оказывается, что генерировать аудиодорожки напрямую - это достаточно сложная задача. Но тут можно схитрить - мы будем генерировать нотную запись трека, а затем автоматически озвучивать ее. Музыканты называют такой формат данных MIDI файлами. Поскольку нотные дорожки устроены гораздо проще, чем аудиозаписи, то с такой постановкой задачи у нас гораздо больше шансов на успех. В этом нам помогут генеративные модели на основе реккурентных нейронных сетей. На выходе мы получим модель, которой можно будет скормить начало трека (или просто тишину), а она автоматически продолжит его.                                   
О чем узнаете:                                                          
- Как генерировать музыку в формате MIDI;       
- Как устроены авторегрессионные генеративные модели;                                                                      
- Как работают реккурентные нейронные сети.

Презентация проекта
 

9. CGI телеграм бот

Руководитель проекта: Алексей Биршерт

Описание проекта: Иногда хочется побаловаться и представить, как бы ты выглядел, если бы ты был персонажем мультика Дисней. Или Симпсонов. Или любой другой мультяшной вселенной. Я предлагаю вам поучаствовать в моем проекте по перерисовыванию лиц людей в мультяшные стили. Мы познакомимся с генеративными нейронными сетями, детально разберем их устройство и реализуем сеть для реалистичного превращения лиц в мультяшные. Кроме этого, для удобства их использования мы напишем инфраструктуру для телеграм бота, в которого можно будет загружать фотографию лица и получать его же в стиле любого мультика.
В этом проекте мы:
- Познакомимся с генеративными моделями;
- Соберем данные из интернета по вашим любимым мультикам;
- Обучим на них несколько генеративных моделек;
- Создадим пайплайн для обработки приходящих фотографий;
- Обернем это всё в красивого и удобного телеграм бота.

Презентация проекта
 

10. Генерация кода на языке Python при помощи языковых моделей 

Руководитель проекта: Антон Семенкин

Описание проекта: За последние несколько лет люди успешно научились генерировать тексты на естественных языках при помощи моделей глубинного обучения (GPT3, Балабоба и т.д.). Похожие методы можно применить и для генерации кода. Мы напишем плагин для Sublime Text, в котором будем генерировать актодополнения кода при помощи нейронных сетей.
Чему вы научитесь и что вы узнаете:
- что такое токенизация, какие есть особенности у токенизации текстов на естественных языках и токенизации исходного код программ;
- что такое транформеры и как при помощи нейронных сетей можно выучить язык;
- как генерировать текстовые последовательности нейросетями;
- как писать плагины для Sublime Text и использовать в них нейронные сети.

Презентация проекта
 

11. «Ну помнишь вот этот мем скидывали?»: Бот для поиска по картинкам и стикерам в телеграме

Руководитель проекта: Тамерлан Таболов

Описание проекта: У всех бывает ситуация, когда надо найти мем в огромном чате с кучей картинок и приходится полчаса листать медиа, потому что разработчики телеграма добавляют в мессенджер анимированные баклажаны вместо полезного функционала. В этом проекте я предлагаю добавить этот недостающий функционал самим и написать бота, который сможет искать картинки в чате по текстовому запросу. 
В этом проекте мы с вами:
- познакомимся с тем, как работают и обучаются нейросети;
- заведём свою нейроночку для описания картинок текстом. Обучать с нуля скорее всего не будем, но если будет необходимо и будет время, пофайнтюним (дообучим) готовую, например, попарсив данные с какого-нибудь knowyourmeme.com;
- познакомимся с методами обработки текстов и методами поиска по запросу, чтобы находить картинки по их описанию;
- научимся писать ботов для телеграма и обернём весь этот функционал в 10/10 красивого ботика.

Презентация проекта
 

12. Редактор 3D моделей в браузере с возможностью совместной работы и финальным рендерингом 

Руководитель проекта: Станислав Дацюк

Описание проекта: Сейчас почти любая трехмерная игра начинается с редактора трехмерных объектов. Модели, которые вы видите в играх и фильмах начинают свой путь с Blender, 3D Max, Houdini. Чтобы лучше понять как устроена трехмерная графика я предлагаю за неделю написать свой редактор. А чтобы задача не казалась простой вы, без моей помощи добавите такие фичи как многопользовательский режим или рейтрейсинг. Все это мы будем делать с соблюдением современных стандартов командной разработки.
Что вы узнаете:
- Как работает трехмерная графика, что такое полигоны и шейдеры.
- Как разрабатывать проекты и продукты в команде.
- Как работают сети и рейтресинг.
- Как написать клон майнкрафта за выходные.

Презентация проекта
 

13. АнтиТоксичный бот для телеграма

Руководитель проекта: Анастасия Табишева

Описание проекта: У вас бывало такое, что в огромном чате во время интересных дискуссий кто-то вместо конструктивных сообщений начинает токсить и грубить? Если в этом чате есть модератор, то он наводит порядок в беседе и банит нарушителя на некоторое время. На некоторое время наступает тишина, но потом всё начинается сначала.
Но почему бы не сделать это автоматически?
В нашем проекте мы сделаем телеграм-бота, который сам мониторит ситуацию в чате и выписывает баны, а модераторы будут заниматься более интересными делами (следить за такими ботами и пить чай?)
В этом проекте мы коснемся такой важной и популярной сферы машинного обучения, как Neural Language Processing (NLP). На примере базовой задачи в NLP – классификации текстов – мы узнаем, как:
- обрабатывать текстовые данные и «скармливать» их машине;
- работают методы машинного обучения, начиная с простых классических и до тех, которые используют сейчас в продакшене крупных IT-компаний;
- оценивать качество полученных решений;
- писать своего своего телеграм-бота, которого вы сможете запустить в чатах своих учебных групп (ведь все мы знаем, что там творится).

Презентация проекта
 

14. Суммаризация диалогов на русском языке + телеграм бот 

Руководитель проекта: Кирилл Гельван 

Описание проекта: Многие из вас читают в школе вместо полной книги ее краткое содержание (или я один был такой двоечник?). И это реальная задача для современного ИИ. По сути мы хотим из большого текста сделать сжатый, сохранив при этом его смысл. Задача суммаризации в ее классической постановке (как написано выше) уже практически решена, но диалоги (особенно на русском языке) являются своей отдельной областью, обладают многими особенностями, с которыми нам и предстоит побороться в данном проекте. Что вы узнаете:
- Что такое задача суммаризации и какие есть современные подходы к ее решению.
- Как работать с данными, метриками, читать статьи и как обучать новомодные transformer-based модели.
- Что представляет из себя полный путь DL проекта от зарождения идеи до запуска прототипа в боевых условиях.
Automatically Summatized: Разработаем бота HuggingFace в телеграме познакомимся с глубинным обучением и сделаем реально полезный продукт. В процессе попробуем разные подходы и изучим чем обычно занимаются разработчики глубинного обучения 
Цель: Создать телеграм бота для выделения главной информации из диалога на русском языке. 

Презентация проекта

В конце программы на защите проектов команды презентовали полученные итоговые результаты друг другу и всем желающим. На итоговой защите было выделено несколько номинаций:

• Лучшая защита проекта — Приложение для просмотра мемов в концепции «Ноль взаимодействий» на базе искусственного интеллекта
• Самый трудоемкий проект — Редактор 3D моделей в браузере с возможностью совместной работы и финальным рендерингом
• Самый применимый на практике проект — Суммаризация диалогов на русском языке + телеграм бот
• Приз зрительских симпатий — Приложение для просмотра мемов в концепции «Ноль взаимодействий» на базе искусственного интеллекта

Участники и порядок отбора

Условия дистанционного тура
Решения и тесты заданий дистанционного тура: задача A, задача B, задача C, задача D, задача E

Условия заключительного тура
Решения и тесты заданий заключительного тура: задача Aзадача Bзадача Cзадача Dзадача E, задача F, задача G, задача H, задача I

 

На образовательную программу приглашаются:

 

На заключительный тур приглашаются:

  • участники, решившие на дистанционном тестировании от двух задач
  • участники из ранжированного списка пункта 3.4 Положения, не прошедшие по квоте на образовательную программу
  • призёры межрегиональной олимпиады школьников «Высшая проба» по информатике

Для участников города Москвы и Санкт-Петербурга очный этап не проводится.

Список участников заключительного тура

Результаты дистанционного тестирования

 

На дистанционный тур проходят участники, получившие Зачёт по результатам учебно-отборочного курса. Зачёт ставился за 5 зачтённых тем. Результаты учебно-отборочного курса.

 

К участию в конкурсном отборе приглашаются школьники 10-11 классов, являющиеся гражданами России.

В рамках конкурсного отбора без дополнительных испытаний на программу приглашаются победители и призеры заключительных этапов олимпиад 2020/21 учебного года. Участники отбора ранжируются в зависимости от конкретной олимпиады и полученных на ней баллов. 

Порядок ранжирования, следующий: 

Порядок приоритета Название олимпиады Рейтинг
1 Всероссийская олимпиада школьников по информатике Победители
2 Всероссийская олимпиада школьников по информатике Призеры
3 Открытая олимпиада школьников по программированию Победители
4 Открытая олимпиада школьников по программированию Призеры
5 Межрегиональная олимпиада школьников «Высшая проба» по информатике
Победители

Отбор участников с дополнительными испытаниями осуществляется в два этапа. Первый этап — дистанционный учебно-отборочный курс на платформе Сириус.Курсы и заочного тестирование на платформе Яндекс.Контест. Второй этап — заключительный очный отборочный тур (проводится в регионах).

Для участия в конкурсном отборе по результатам вступительных испытаний необходимо:
– После регистрации приступить к прохождению онлайн-курса и завершить его до 13 октября, получив «Зачет»;
– Пройти заочное тестирование в период с 16 по 17 октября 2021 года. Участники, успешно прошедшие этап, приглашаются к заключительному отборочному этапу;
– Пройти заключительный отборочный этап отбора в своем регионе 30 октября 2021 года.

На заключительный этап, без прохождения дистанционного учебно-отборочного курса и тестирования, приглашаются призеры Межрегиональной олимпиады школьников «Высшая проба» по информатике.

Школьники Москвы и Санкт-Петербурга приглашаются на программу только по результатам оценки академических достижений.

Полный список кандидатов на участие в образовательной программе, включающий результаты первого и второго отбора, будет опубликован на официальном сайте Центра «Сириус» не позднее 3 ноября 2021 года.
 

Информационный плакат для доски объявлений.

Руководители программы

Соколов
Евгений Андреевич

Доцент, руководитель департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ, куратор академических программ Яндекса

Густокашин
Михаил Сергеевич

Куратор академических программ Яндекса, директор центра студенческих олимпиад факультета компьютерных наук Высшей школы экономики, председатель методической комиссии Московской олимпиады школьников по информатике

Евстропов
Глеб Олегович

Руководитель службы объектного ответа и подсказок компании Яндекс, член жюри Всероссийской олимпиады школьников по информатике, руководитель научного комитета Открытой олимпиады школьников по программированию, председатель жюри московского четвертьфинала ICPC

Преподаватели

Анопренко
Михаил Валентинович

Студент факультета компьютерных наук Высшей школы экономики, преподаватель Летней компьютерной школы, победитель Всероссийской олимпиады школьников по информатике

Багиян
Нерсес Карленович

Head of Data Scienсe in Raif CIB, выпускник факультета компьютерных наук НИУ ВШЭ и Школы анализа данных Яндекса

Биршерт
Алексей Дмитриевич

ML Engineer, Advanced Analytics в Райффайзенбанке, преподаватель факультета компьютерных наук НИУ ВШЭ

Валиуллин
Адель Марсович

Руководитель Центра технологий искусственного интеллекта Газпромбанка, приглашенный преподаватель факультета компьютерных наук Высшей школы экономики, старший преподаватель Московского государственного технического университета имени Н.Э.Баумана, победитель и призер различных российских и международных хакатонов и соревнований по машинному обучению, входит в топ-100 специалистов по машинному обучению международного рейтинга Kaggle

Гельван
Кирилл Павлович

Приглашенный преподаватель факультета компьютерных наук Высшей школы экономики

Грибов
Филипп Юрьевич

Преподаватель факультета компьютерных наук Высшей школы экономики, преподаватель алгоритмов в «Тинькофф Поколении», член тренерского штаба сборной России по информатике, призер всероссийских олимпиад по информатике и математике, абсолютный победитель Открытой олимпиады по программированию, бронзовый медалист студенческого чемпионата мира по программированию

Дацюк
Станислав Валерьевич

Глава разработки VR Chemistry Lab

Дёгтев
Иван Сергеевич

Руководитель группы аналитики точек роста Яндекс Поиска

Емельяненко
Святослав Викторович

Ведущий аналитик-исследователь Газпромбанка

Зимовнов
Андрей Вадимович

ML-директор Дзен, преподаватель факультета компьютерных наук НИУ ВШЭ

Космачев
Алексей Дмитриевич

Разработчик компании Joom, приглашенный преподаватель Высшей школы экономики

Курилкин
Александр Сергеевич

Студент факультета компьютерных наук Высшей школы экономики

Кучеренко
Демид Сергеевич

Заместитель директора Физтех-школы прикладной математики и информатики МФТИ по олимпиадному программированию, главный тренер сборной Челябинской области по подготовке к Всероссийской олимпиаде школьников по информатике, призер ВсОШ по информатике и студенческих соревнований по программированию

Рахуба
Максим Владимирович

Преподаватель факультета компьютерных наук Высшей школы экономики

Садртдинов
Ильдус Рустемович

Исследователь Центра глубинного обучения и байесовских методов, приглашенный преподаватель факультета компьютерных наук Высшей школы экономики, студент магистратуры ВШЭ и Сколтеха

Сапожников
Денис Сергеевич

Научный сотрудник и студент факультета компьютерных наук Высшей школы экономики, студент Школы анализа данных Яндекса, преподаватель школы Центра педагогического мастерства (Москва), олимпиадных школ МФТИ и НИУ ВШЭ

Семенкин
Антон Александрович

Deep Learning Engineer в команде автодополнения кода JetBrains, преподаватель программы «Прикладная математика и информатика» факультета компьютерных наук Высшей школы экономики, аспирант факультета компьютерных наук НИУ ВШЭ

Сотов
Алексей Анатольевич

Разработчик-аналитик в команде алгоритмов репленишмента Яндекс.Маркета

Табишева
Анастасия Олеговна

Сотрудница лаборатории машинного интеллекта Яндекса

Таболов
Тамерлан Казбулатович

Deep Learning Engineer в группе синтеза речи Яндекса, преподаватель Высшей школы экономики, студент магистратуры НИУ ВШЭ и Сколтеха

Терновых
Сергей Сергеевич

Дизайн-директор Поиска Яндекса, в прошлом руководил дизайном в Яндекс.Кью

Филиппов
Антон Сергеевич

Научный сотрудник и преподаватель факультета компьютерных наук Высшей школы экономики

Юдин
Сергей Михайлович

Руководитель службы ML-проектов Яндекс Браузера, преподаватель Высшей школы экономики

Положение о программе

Положение образовательной программы
«Алгоритмы и анализ данных»

1. Общие положения
1.1. Настоящее Положение определяет порядок организации и проведения образовательной программы «Алгоритмы и анализ данных» Образовательного центра «Сириус» (далее – образовательная программа), ее методическое и финансовое обеспечение.

1.2. Образовательная программа «Алгоритмы и анализ данных» проводится в Образовательном центре «Сириус» (Образовательный Фонд «Талант и успех») с 1 по 24 декабря 2021 года.

1.3. В образовательной программе могут принять участие школьники 10-11 классов из образовательных организаций, реализующих программы общего и дополнительного образования, всех регионов Российской Федерации, успешно прошедшие конкурсный отбор.

1.4. К участию в образовательной программе допускаются школьники, являющиеся гражданами Российской Федерации.

1.5. Персональный состав участников образовательной программы утверждается Экспертным советом Образовательного Фонда «Талант и успех».

1.6. Общее количество участников – не более 50 человек.

К участию в образовательной программе могут быть приглашены не более 10% участников из одного субъекта Российской Федерации.

1.7. Научно-методическое и кадровое сопровождение образовательной программы осуществляется сотрудниками компании Яндекс, преподавателями и научными сотрудниками ведущих учебных заведений страны.

1.8. В связи с целостностью и содержательной логикой образовательной программы, интенсивным режимом занятий и объемом академической нагрузки, рассчитанной на весь период пребывания обучающихся в Образовательном центре «Сириус», не допускается участие школьников в отдельных мероприятиях или части образовательной программы: исключены заезды и выезды школьников вне сроков, установленных Экспертным советом Образовательного Фонда «Талант и успех».

1.9. В случае обнаружения недостоверных сведений в заявке на образовательную программу  (в т.ч. класса обучения) участник может быть исключен из конкурсного отбора.

1.10. В случае нарушений правил пребывания в Образовательном центре «Сириус» или требований настоящего Положения решением Координационного совета участник образовательной программы может быть отчислен с образовательной программы.

1.10.1. Школьник может быть отчислен с программы в случае если им не усваиваются материалы образовательной программы, независимо от результатов отбора.

2. Цели и задачи образовательной программы
2.1. Образовательная программа нацелена на получение опыта решения практических задач анализа данных и моделирования, близких к реальным, развитие логического и творческого мышления в процессе работы, обретение участниками устойчивых навыков решения олимпиадных задач по информатике, а также навыков работы в команде.

2.2. Задачи образовательной программы:
– Обретение участниками навыков промышленного программирования;
– Знакомство участников с основами анализа данных и машинного обучения;
– Получение участниками проектного опыта в сфере машинного обучения, разработка прототипа для решения реальной задачи;
– Подготовка к уровневым олимпиадам по информатике, в том числе ко Всероссийской олимпиаде по информатике;
– Освоение участниками социальных навыков, необходимых для работы в проекте (Soft Skills, менеджмент продукта и др.);
– Развитие практико-ориентированного мышления и умения работать в коллективе в процессе выполнения реальных задач;
– Развитие умения самостоятельно ставить перед собой задачи и решать их;
– Развитие алгоритмического и аналитического мышления, а также творческих способностей.

3. Порядок отбора участников образовательной программы
3.1. Отбор участников образовательной программы осуществляется Координационным советом, формируемым руководителем Образовательного Фонда «Талант и успех», на основании требований, изложенных в настоящем Положении, а также общих критериев отбора в Образовательный центр «Сириус» (направление «Наука»).

3.2. К участию в конкурсном отборе приглашаются школьники 10-11 классов, являющиеся гражданами России.

3.3. Для участия в конкурсном отборе школьнику необходимо подать заявку на официальном сайте Образовательного центра «Сириус» в срок до 15 сентября 2021 года.

3.4. В рамках конкурсного отбора без дополнительных испытаний на программу приглашаются победители и призеры заключительных этапов олимпиад 2020/21 учебного года. Количество мест для таких кандидатов не более 15.

3.4.1. Участники отбора ранжируются в зависимости от конкретной олимпиады (чем выше олимпиада в списке, тем более высокий приоритет она имеет) и полученных на ней баллов. 

Порядок ранжирования, следующий: 

Порядок приоритета Название олимпиады Рейтинг
1 Всероссийская олимпиада школьников по информатике Победители
2 Всероссийская олимпиада школьников по информатике Призеры
3 Открытая олимпиада школьников по программированию Победители
4 Открытая олимпиада школьников по программированию Призеры
5 Межрегиональная олимпиада школьников «Высшая проба» по информатике Победители

При отборе на образовательную программу оцениваются академические достижения школьников, загруженные в государственный информационный ресурс о детях, проявивших выдающиеся способности. Прикреплять подтверждающие документы к заявке не требуется.

В случае наличия нескольких достижений из перечисленного списка, участник проходит по достижению, которое имеет наиболее высокий приоритет согласно таблице выше.

3.4.2. Если несколько учащихся, показавших одинаково высокие результаты, претендуют на участие в образовательной программе, то они ранжируются по баллам на олимпиаде.

3.4.3. В случае отказа приглашенных школьников, имеющих более высокий рейтинг, их место передается участникам конкурсного отбора, набравших наиболее высокий проходной балл в рамках отбора, предусматривающего вступительные испытания. 

В случае отказа приглашенных школьников из Москвы и Санкт-Петербурга их место передается участникам конкурсного отбора, не предусматривающего вступительные испытания из аналогичных субъектов, имеющих наиболее высокий приоритет. 

3.4.4. Участники отбора из рейтингового списка 3.4., не попавшие по квоте на образовательную программу, приглашаются на заключительный отборочный тур вне зависимости от результатов дистанционного учебно-отборочного курса и тестирования.

3.4.5. Список кандидатов на участие в образовательной программе без дополнительных вступительных испытаний будет опубликован на официальном сайте Центра «Сириус» не позднее 20 сентября 2021 года.

3.5. Отбор участников с дополнительными испытаниями осуществляется в два этапа. Первый этап — дистанционный учебно-отборочный курс на платформе Сириус.Курсы и заочного тестирование на платформе Яндекс.Контест. Второй этап — заключительный очный отборочный тур (проводится в регионах).

Школьники Москвы и Санкт-Петербурга приглашаются на программу только по результатам оценки академических достижений.

3.5.1. Для участия в конкурсном отборе по результатам вступительных испытаний необходимо:

– После регистрации приступить к прохождению онлайн-курса и завершить его до 13 октября, получив «Зачет». После этого, участник допускается к заочному тестированию;

– Пройти заочное тестирование в период с 16 по 17 октября 2021 года. Участники, успешно прошедшие этап, приглашаются к заключительному отборочному этапу;

– Пройти заключительный отборочный этап отбора в своем регионе 30 октября 2021 года.

На заключительный этап, без прохождения дистанционного учебно-отборочного курса и тестирования, приглашаются призеры Межрегиональной олимпиады школьников «Высшая проба» по информатике.

3.5.2. Регламент, места и время проведения заключительного очного отборочного тура будут опубликованы на сайте Центра «Сириус» не позднее 20 октября 2021 года.

3.6. Учащиеся, отказавшиеся от участия в образовательной программе, будут заменены на следующих за ними по рейтингу школьников. Внесение изменений в список участников программы происходит до 17 ноября 2021 года.

3.7. Полный список кандидатов на участие в образовательной программе, включающий результаты первого и второго отбора, будет опубликован на официальном сайте Центра «Сириус» не позднее 3 ноября 2021 года.

4. Аннотация образовательной программы
Программа ориентирована на старших школьников, увлекающихся олимпиадным программированием, в том числе имеющих уверенные знания языка программирования Python, а также алгоритмов и структур данных.

В рамках интенсива по олимпиадному программированию участники программы распределяются на две группы по уровню знаний, для которых предусмотрена разная образовательная программа.

В рамках проектной части участники программы распределяются на команды для работы над проектами. У каждой команды будет куратор – аналитик или разработчик-исследователь с опытом. Куратор ставит задачу команде, помогает распределять роли и декомпозировать на подзадачи. В процессе работы отвечает на вопросы, поддерживает в сложные моменты и делает ревью кода. В конце программы на защите проектов команды презентуют полученные итоговые результаты друг другу и всем желающим. Выполненные проекты можно будет использовать для участия в конкурсном отборе на образовательную программу «Большие вызовы».

Обучение практическим навыкам будет происходить непосредственно в работе команды над проектом. В течение программы будет проведено несколько обзорных технологических лекций от экспертов в конкретной области, с целью дать школьникам представление о профессиях и трендах в индустрии.

5. Финансирование образовательной программы
5.1. Оплата проезда, пребывания и питания школьников - участников образовательной программы - осуществляется за счет средств Образовательного Фонда «Талант и успех».

Подать заявку
© 2015–2024 Фонд «Талант и успех»
Нашли ошибку на сайте? Нажмите Ctrl(Cmd) + Enter. Спасибо!