AI Minds

🏆 Yandex Cup ML track 2025

Совершенно новый опыт для меня - финал в формате 5-часового контеста в духе ICPC и IOAI. Три задачи, каждая решалась идейно, а с техникой и дебагом помогал вайб-кодинг.

Первые три часа просидел в конце лидерборда, борясь с первой задачей. Переключившись на более сложные, за оставшиеся два часа удалось прыгнуть в топ паблика. После шейкапа удержал первое место - в последней задаче даже достиг авторского решения.

Третья победа подряд за месяц (еще AIJJC), 1.5М призовых суммарно - я в прайме. И это не случайность: последнее время уделял здоровью и навыкам работать эффективно особенное внимание. Про это напишу в следующем посте.

AIDAO 2025. Сделили это снова!

О задаче:
Необходимо построить Bird's-Eye View сегментационную карту ограждений по 4 камерам с автономного транспорта. По сути, 2D-оценка проходимости в координатах машины: каждая BEV-ячейка говорит, можно туда ехать или нет.
По уровню сложности/интересности на класс выше всех задач, что я видел на подобных соревнованиях.

Что сделали?
- Взяли сильные енкодеры (convnext, etc) для мультикамерных фич.
- С помощью intrinsics и extrinsics между машиной и камерами перекидывали image-фичи в BEV-пространство.
- В BEV-пространстве сверху поставили UNet-like декодер на обычных свертках.
- Добавили Gaussian supervision: на тонких линиях bce loss работал плохо, поэтому предсказывали более мягкий таргет - размытую область.
а также работали с аугами, фильтрацией и ембеддингами машин.


Ощущения:
Мы лидировали на лидерборде все время, и "убегать" оказалось тревожнее, чем "догонять" - особенно учитывая личные ожидания по перфомансу. Тем не менее, мы поймали свою волну, стабильно усиливались с каждой посылкой и имели запас времени в несколько часов)

github - код решения
Спасибо Даше за блестящую работу! Ее впечатления на itmo news

TOEFL С1.

Расскажу, как прокачал две самые сложные секции - Speaking и Writing. О них полно информации в интернете, но поделюсь именно тем, чего там не нашёл.

При подготовке критически важны две вещи: практика и обратная связь. Если с Listening и Reading всё понятно - правильный ответ один, то оценить своё письмо или устную речь практически нереально, особенно если готовитесь самостоятельно, без репетитора.

Writing я прокачивал с помощью Claude 4 и ChatGPT 4.5. Незамысловатный промпт, созданный гпт на основе критериев, позволяет получить скор, детальный фидбэк и, главное, образец того, как должно быть. Задав целевые метрики, двигаешься в сторону их максимизации. (Я тренировался с подсветкой опечаток и получал обычно выше балл - не повторяйте эту ошибку)

Самое эффективное, что помогло поднять Speaking с уровня робота 🤖 с постоянными "эээ" до advanced балла буквально за три недели - это чтение вслух на английском. Всего 20-30 минут перед сном: 1) улучшился контроль скорости речи и дыхания; 2) я начал говорить фразами, а не отдельными словами.

Надеюсь, что в ближайший год выкатят full-duplex speech2speech ллмки и изучать любой язык (навык) станет гораздно доступнее

На яндекс капе взял третье место в треке Self-Driving Cars.
Надо было предсказать траекторию движения, получая информацию о повороте руле (steering) и acceleration и первых пяти секунд траектории.

Таска очень понравилась, много вариативности, хороший датасет и пространство для маневров. Например, второе место на бустингах и физике, первое на lstm и анализ карты высот и в обоих решениях провели блестящую работу по анализу данных.

Я выбрал для себя путь оверинжиниринга, поиграться с lstm, разными енкодерами, вниманием. Потому что было интересно успеть именно это в сжатые сроки участия.

Конечно же, самая приятная часть капа - оффлайн финал в другой стране, нетворк. Половину ML финалистов уже знаю с прошлого года))


В комментарии скину фоточки из Ташкента, почуствуйте

- github
- Запись с топ решениями (я с 39.04)

Победили на международной студенческой олимпиаде AIDAO — Artificial intelligence and data analysis Olympiad

Задачка классная, много точек для творчества и экспериментов даже в серьезных рамках инференса (CPU, 1.5 GB ram)
Всего было 32 часа на решение, очень сильно помогли насмотренность и инженерная интуиция.
Забавно вышло, что один из трешхолдов конечного пайплайна я поставил на глаз, а после перебора он оказался лучшим)

Конкуренция была действительно высокой, на отборе 350+ активных команд (в т.ч. из других стран), в финале 30, в среднем по 3 человека. Спасибо Даше за потрясающую командную работу. Нас было двое, так что "проходили на сложных настройках"))

Лидеры паблика сменялись буквально каждый час, нереальный pace-make. За час до конца мы решили отказался от стабильного ансамбля маленьких моделек и закинуть одну модель побольше, лучшую по валидации, но, очевидно, менее стабильную к шейкапу.

Эмоциально самая приятная победа из всех:
Cильнейшие соперники, равные условия по времени и компьюту, красивое решение из соло модели.

upd: github

- Про задачу подробности: https://habr.com/ru/news/863312/
- https://t.me/aitalenthubnews/1383
- https://news.itmo.ru/ru/university_live/achievements/news/14067/

Всем привет! Я стал частью команды фундаментальных исследований MTS AI-chat core team

Создание и состав команды заслуживает лонгрида и я лучше сошлюсь на хабр статью, рекомендую к прочтению!!

Год назад я не представлял об академических и карьерных возможностях, которые могут открыться. Комьюнити (особенно aith) помогли мне узнать о них и воспользоваться этими шансами.

важно найти место, которое даст возможность реализовывать личные амбиции и цели, где твои kpi сонаправленны с kpi команды с запасом роста на несколько лет.

Заняли 3 место (100к) из 25 команд на региональном цифровом прорыве этого сезона

Кейс и данные понравились - поиск по музейных экспонатам и генерация описания по 45к пар картинка-текст, некоторые объекты имели по 50 фоток. Был ЛБ по классификации экспонатов, где мы с отрывом в 10% были топ1, но вес он имел такой же, как и презентация

по стеку:
- поиск по CLIP + faiss, удаление дублей по хэшу
- генерация описания через Omnifusion + RAG на исходной картинке и топ 10 близких описаний
- для классификации clip knn и resnet34 (still 🌿 🕸?) 🤩 с грамотными аугами и блендингом


по традиции, презентация, решение, а также стратегии с первого места в комментах

Выиграли с ребятами международный хакатон в Сириусе в рамках World Youth Festival.

Задача состояла в детекции и трекинге рыб с камер go pro на Камчатке. Оценивали по метрике IOU и фичам, два дня на решение
Поделюсь с вами секретами, которые позволили нам выиграть

по технической части:
- Label studio ML backend
позволяет реализовать auto-labeling, pre-annotation и active learning. Сила в том, что предсказания можно редактировать, что зачастую не успевают реализовать в обычных UI решениях на хакатоне.

по скору на лб:
- Weighted box fusion
Кагловский способ выбить лучший скор - сблендить несколько detection моделей или TTA (test time augmentations).

по презентации:
- Оцените экономический эффект, посчитайте прибыль. Хотя бы примерно оцените стоимость железа и масштабируемость. Не грузите жюри фреймворками, графиками лосса и гиперпараметрами - это скучно.

Итого: +500к, посетили фестиваль, сочи парк, пообщались с зарубежными коллегами. В комменты скину презентацию и фотки с путешествий

Всем привет!
Я стал частью R&D команды лаборатории нейронных систем и глубокого обучения МФТИ - DeepPavlov.

Лаборатория, изначально входившая в состав физтех-био, начинала с исследований естественных нейронных сетей. Однако со временем фокус сместился к разработке алгоритмов глубокого обучения, обработке естественного языка, созданию диалоговых систем и, что особенно важно, к исследованиям в области обучения с подкреплением, когда это еще не было мейнстримом.

Интересный факт: как вы могли догадываться, названиe DeepPavlov вдохновлено именем ученного Ивана Петровича Павлова, чьи исследования условных рефлексов положили начало методам обучения с подкреплением и подчёркивают взаимосвязь между естественной наукой и современным ИИ.

В лаборатории сосредоточены выдающиеся исследователи и разработчики, чьи opensource(!) библиотеки и научные работы вносят значительный вклад в глобальное развитие AI и NLP.

Для меня — это огромный шаг вперёд в профессиональном и академическом развитии, возможность участвовать в проектах, которые меняют мир.

22

Подведя итоги года, всегда хочется оценить его количественно, посчитать грейды, медальки, галочки в ту-ду листах.
Но ведь самое важное — это то, что не укладывается в рамки таблиц, диаграмм и дискретных точек, не так ли?

Всем привет 🙃

Прошедшие выходные я провел в Алматы, на финале Yandex Cup.

Побег из рутины и шикарный отель способствовали отдыху как духовно, так и физически. В то время, пока участники бились за кубок в день финала, в секции МЛ шел разбор топ решений и ламповый нетворк.

Возможность пообщаться с коллегами по цеху в неформальной обстановке - бесценна. Каждый имеет уникальную траекторию развития и во время нетворка открывает для себя новые карьерные и академичные перспективы, о которых и не задумывался.

Такие мероприятия дарят чувство быть «среди своих».
Спасибо 📱

К слову, не пропустите новогоднюю ML-тренировку. До встречи!