С 17 по 30 мая мы проведём хакатон X5 Tech AI Hack, на который приглашаем экспертов по Data Science, ML-специалистов, разработчиков на Python и всех, кто хочет прокачать свои знания о создании ИИ.

На выбор будет доступен один из двух треков:

🧠Трек 1. Маскирование. При использовании сторонней языковой модели нельзя передавать ей чувствительные данные организации – имена клиентов, доменные адреса и пр. Поэтому участникам необходимо подготовить алгоритм, который заменит эти сведения в тексте без потери смысла.

🔎Трек 2. Детекция галлюцинаций. Никто не любит, когда ИИ-ассистент в ответ на вопрос даёт неправильную информацию. Задача конкурсантов – разработать систему, которая сможет эффективно выявлять аномалии в текстах, сгенерированных нейросетью.

📅 28-29 мая по результатам тестирования моделей участников 5 лучших команд в каждом треке получат приглашение на финал в Москве. Церемония награждения пройдёт 30 мая на конференции X5 Future Night.

Регистрируйтесь сейчас, хакатон стартует уже совсем скоро 😎

Ловите ещё одну статью на Хабре от команды ad-hoc аналитики и модельного риска X5 Tech.

В ней ребята раскрывают секреты о том, как устроены технические и архитектурные аспекты системы модельного риска в X5 Tech.

Из чего состоит модельный риск, как выглядит взаимодействие с платформой с точки зрения пользователя и как в целом команда контролирует работу ML-моделей – читайте в нашем блоге.

Павел Денисенко, начальник управления архитектуры данных X5 Tech, рассказал на отраслевой конференции ArenaDay ряду изданий о том, как мы управляем данными и какое значение имеют продукты, основанные на них. 

По его словам, один из основных факторов при выборе продуктов работы с данными в Х5 – это гибкость компонентов и их совместимость между собой: 

«Для нас важно, чтобы наш технологический ландшафт можно было быстро масштабировать. И речь не о наращивании инфраструктуры под обработку и хранение данных. Для того, чтобы технологический ответ на вызовы бизнеса был своевременным, важно иметь возможность добавлять новые системы, гармонизируя их с текущим ИТ-ландшафтом. Такой подход позволяет для каждого класса задач или бизнес-единицы подбирать наиболее эффективное и выгодное технологическое решение. На уровне методологии управления данными эта концепция релевантна современному тренду под названием Data Mesh.

Данные и продукты на их основе позволяют нам проводить не только количественные изменения (например, повышать маржинальность и т. д.), но и качественные – они помогают взглянуть на наши конечные продукты глазами клиента, то есть таким образом они делают нашу компанию клиенто-ориентированной”.

Читать подробнее

Что вы знаете о бутстрапе временных рядов?
Если совсем немного, то сегодня как раз есть повод погрузиться в тему: на Хабре вышел детальный обзор от команды ad-hoc X5 Tech.

В X5 существует огромное количество данных, зависящих от времени – это могут быть данные о продажах в магазинах, об остатках на складах или удовлетворённости клиентов. Используя эти данные, можно находить инсайты и приносить пользу бизнесу. Бутстрап – ценный инструмент для этого: он позволяет генерировать множество синтетических выборок из исходных данных, на основе которых можно оценить распределение нужной статистики и построить доверительные интервалы. 

В обзоре коллеги рассказали, как разные модификации метода бутстрапа учитывают структурные особенности и зависимости в данных временных рядов, почему нельзя применять стандартный подход бутстрапа к временным рядам без учёта их структуры и привели в пример методы, которые позволяют эффективно решить эту проблему.

Читайте статью в блоге на Хабре