FeaturedBanner-13a379c8

FeaturedBanner-1ed16c0f

FeaturedBanner-7742176f

Университет накапливает об активностях и результатах студентов большое количество данных, которые можно использовать для улучшения образовательного процесса. Команда учебной аналитики ИТМО решает различные задачи в сфере EdTech и разрабатывает собственные продукты, связанные с Computer Vision, Natural Language Processing, рекомендательными сервисами, предиктивными моделями и многое другое.В этом соревновании были задачи на реальных данных, с которыми сталкивается команда университета ИТМО.&nbsp;<h3>Задачи</h3><ol><li>В первой части необходимо было спрогнозировать академические задолженности у студентов с точностью до дисциплины. Метрика качества - F1-score.</li><li>Во второй части необходимо было разработать MVP решения для глобальных вызовов образования с помощью данных. Вызовы образования: - Персонализация образования: разработка рекомендательных сервисов, позволяющих персонализировать образовательный процесс для каждого студента - Мониторинг качества образования: разработка методологии, позволяющей получить аналитику по качеству образования, мониторинг «выбросов», анализ образовательных программ, дисциплин, преподавателей</li></ol><h3>Как оценивались проекты?</h3><ul><li>сложность реализации</li><li>функциональность</li><li>презентация MVP решения</li><li>значимость</li></ul>🎉Победитель соревнования Поздравляем Дубовика Кирилла!&nbsp; Он выиграл бюджетное место на программе онлайн-магистратуры «Инженерия машинного обучения»&nbsp;

Участникам надо было спрогнозировать академические задолженности у студентов с точностью до дисциплины и придумать, как с помощью данных решить глобальные вызовы образования.

Public

Consent Data Processing (Data Souls)

<a data-sk="tooltip_parent" data-stringify-link="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2022-01-31-%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%81%D0%B8%D0%B5%20%D0%BD%D0%B0%20%D0%BE%D0%B1%D1%80%20%D0%9F%D0%94%D0%BD.pdf" delay="150" href="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2022-01-31-%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%81%D0%B8%D0%B5%20%D0%BD%D0%B0%20%D0%BE%D0%B1%D1%80%20%D0%9F%D0%94%D0%BD.pdf" rel="noopener noreferrer" target="_blank">даю согласие</a>&nbsp;DataSouls на обработку моих персональных данных

Privacy Policy and User agreement (Data Souls)

ознакомлен и принимаю&nbsp;<a data-sk="tooltip_parent" data-stringify-link="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-05-11-%D0%9F%D0%A1.pdf" delay="150" href="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-05-11-%D0%9F%D0%A1.pdf" rel="noopener noreferrer" target="_blank">Пользовательское соглашение</a>&nbsp;и&nbsp;<a data-sk="tooltip_parent" data-stringify-link="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-08-30-%D0%9F%D0%9A.pdf" delay="150" href="https://storage.yandexcloud.net/ds-events/datafusion2022/documents/2021-08-30-%D0%9F%D0%9A.pdf" rel="noopener noreferrer" target="_blank">Политику конфиденциальности</a>&nbsp;DataSouls

#	Teams (29)	F1 Score	Last	Entries
1	Kirill Dubovik	0.330075	3y	75
2	Har_vi	0.327243	3y	30
3	Roman Barilov	0.321113	3y	44
4	Dmitry Kutsenko	0.289991	3y	32
5	Mikhail Popov	0.272972	3y	9
6	Shiryaeva Victoria	0.268105	3y	3
7	Iurii Balandin	0.264828	3y	14
8	Stanislav Volkov	0.252303	3y	12
9	Ilona Kovaleva	0.235639	3y	7
10	Nikolay Pavlychev	0.226442	3y	29
11	Shura V	0.22389	3y	5
12	Svyatoslav Oreshin	0.219662	3y	1
13	Islam Tlupov	0.217321	3y	8
OOC	Maria Potapova	0.217262	3y	4
14	Ildus Davydov	0.217262	3y	5
15	Aleksei Nedolivko	0.217262	3y	2
16	МашаТест	0.217262	3y	1
17	Aleksei Smirnov	0.217262	3y	1
18	Yuriy Kim	0.207865	3y	8
19	Evgeny Kazenov	0.207071	3y	28
20	Vasilii Kosinov	0.16102	3y	3
21	Nikita Lukov	0.160729	3y	8
22	Andrey Tsareg	0.160171	3y	9
23	Vladimir Borisevich	0.149093	3y	3
24	Dmitry Vedenichev	0.144654	3y	1
25	Andrey Slepukhin	0.114993	3y	1
26	Nastia Agafonova	0.110334	3y	1
27	BelyaevAlex	0.105329	3y	17
28	Dikar Software	0.068407	3y	2