Всероссийское совещание по организации проведения ВсОШ

Делимся материалами с прошедшего всероссийского совещания по организации проведения Всероссийской олимпиады школьников. А ещё рекомендуем ознакомиться с материалами турнира по искусственному интеллекту от CS Space — формат и идеи некоторых заданий близки к муниципальному и региональному этапам ВсОШ.

✔️ Финал — contest.yandex.ru/contest/83155
✅ Отборочный тур — contest.yandex.ru/contest/82439
📸 Разбор финала — youtube.com/watch?v=hbpRmzHpQz8

Материалы для подготовки
1️⃣ Навигатор по искусственному интеллекту (подборка курсов по ИИ) — edu.sirius.online/ai-navigator
2️⃣ Хендбук "Основы Python" — education.yandex.ru/handbook/python

Тестовые варианты муниципального этапа ВсОШ по ИИ 👇

1️⃣ 9–11 классы — contest.yandex.ru/contest/84849
2️⃣ 7–8 классы — contest.yandex.ru/contest/84857

Напоминаем: даже математические задачи можно решать на Python!

Тестовые варианты регионального этапа ВсОШ по ИИ 🌸

❤️ Математический тур — contest.yandex.ru/contest/87862
❤️ Анализ данных и машинное обучение — contest.yandex.ru/contest/87863

Региональный этап состоит из двух туров по 5 астрономических часов каждый.

❤️ Первый тур — математический
Задачи можно решать как с использованием Python, так и строго математическими методами. Тематики заданий: теория вероятностей, метод Монте-Карло, линейная алгебра, комбинаторика, оптимизация, поиск разделяющей поверхности.

❤️ Второй тур — анализ данных и машинное обучение
Задачи на работу с данными и pandas, кластеризацию, классификацию и эмбеддинги. Знание нейронных сетей не требуется.

🏆 Опубликованы итоговые решения регионального этапа ВсОШ по ИИ

❤️ Математический тур

❤️ Анализ данных и машинное обучение

С предварительными результатами регионального этапа можно ознакомиться в Яндекс Контесте.

💬 Делитесь в комментариях, какой тур показался сложнее и как вы написали региональный этап 👀

Мартовская образовательная программа по информатике в Сириусе 👇

В этом году в рамках мартовской образовательной программы в Сириусе впервые открыт профиль «Искусственный интеллект». Программа ориентирована на подготовку к заключительному этапу ВсОШ по ИИ.

❤️ К участию приглашаются учащиеся 8–10 классов — участники регионального этапа Всероссийской олимпиады школьников по информатике 2025/2026 учебного года по профилю «Искусственный интеллект», набравшие:
— не менее 255 баллов (8–9 классы),
— не менее 325 баллов (10 класс).

❤️ Приём заявок на конкурсный отбор открыт до 1 февраля 2026 года. Регистрация по ссылке.

Делимся проходными баллами на заключительный этап ВсОШ!

❤️ 9 класс - 253,7 баллов
❤️ 10 класс - 300,1 баллов
❤️ 11 класс — 360 баллов

Формат заключительного этапа

Вас ждут два тура по 5 часов. Первый тур — математика в ИИ, второй — машинное и глубокое обучение.

❤️ Первый день — математический тур

В первый день участникам предстоит решать математические задачи на темы, связанные с искусственным интеллектом. Среди них: теория вероятностей, линейная алгебра, оптимизация, комбинаторика, теоретическая информатика и алгоритмы.

В отличие от регионального этапа, в задачах, где требуется что-то доказать, необходимо привести строгое математическое решение на листах. Доказательства не должны опираться на результаты выполнения программного кода.

При этом Python можно использовать как вспомогательный инструмент для решения математических задач. За правильные ответы и примеры, полученные с помощью компьютера, будут начисляться частичные баллы. Мы также добавили библиотеки pycosat и cvxpy в надежде на то, что они могут оказаться вам полезными, но они не являются обязательными для решения задач.

❤️ Второй день — анализ данных и машинное обучение

Второй день будет похож на второй тур регионального этапа, но сложность задач немного возрастёт. Кроме того, на заключительном этапе появятся задачи, в которых нужно будет работать с нейросетями.

Темы задач:
1. Анализ данных
2. Кластеризация
3. Машинное обучение на табличных данных
4. NLP
5. CV

Подробнее о темах NLP и CV:
➡️ Основы нейросетей: полносвязные нейронные сети, обучение нейросетей, получение предсказаний для элементов данных.
➡️ Основы CV: устройство и обучение сверточных нейронных сетей (CNN).
➡️ Основы NLP: обработка текста, классические и нейросетевые модели для работы с текстами, эмбеддинги текстов.
➡️ Использование эмбеддингов предобученных моделей (для задач CV и NLP).

К базовым моделям DL, которые нужно знать, относятся полносвязные нейросети и CNN. Такие модели, как BERT и похожие на него трансформеры достаточно понимать на уровне работы с предобученными моделями и их эмбеддингами. Что касается других моделей (RNN, LSTM, GRU, и так далее), то получить полный балл в решениях вы сможете и без их использования.

В целом не стоит ожидать, что потребуется решать специфичные задачи (сегментации, детекции или генерации). В задачах, где будут даны предобученные модели, как правило, будет предложена одна модель, чтобы участникам не приходилось перебирать множество вариантов.

Список доступных библиотек на финале⬇️

– ipykernel 
– pandas 
– numpy
– matplotlib 
– seaborn
– scikit-learn 
– scipy 
– Xgboost 
– lightgbm 
– catboost 
– numba
– polars
– tensorflow
– keras
– torch 
– pytorch-lightning
– torchvision
– scikit-image
– opencv-python
– Pillow
– transformers
– spacy
– nltk
– gensim
– Albumentations
– pycosat
– cvxpy
– tqdm