ФГАОУ ВО «Московский физико-технический институт (национальный исследовательский университет)» проводит заключительный этап олимпиады «Физтех» по математике и физике.
Турниры олимпиадных школ МФТИ
10 класс, ГАОУ Школа №548, Победитель Всероссийской олимпиады по ИИ-2023. B субботу 20 апреля 2024 года стартуют бесплатные турниры Олимпиадных школ соревновательная олимпиада по информатике, математике. В I Турнире юных биологов в МФТИ (ТЮБ) могут принимать участие команды общеобразовательных школ и средних профессиональных учебных заведений г. Москвы и Московской области. Олимпиада школьников «р» проводится экспертами Передовой инженерной школы радиолокации, радионавигации и программной инженерии МФТИ. Турниры - уникальный шанс для талантливых школьников посоревноваться в решении нестандартных задач от преподавателей МФТИ, - рассказал председатель методического совета Олимпиадных школ МФТИ. В период с 19 июня по 12 августа 2022 года Московский физико-технический институт (МФТИ) проводит летнюю Олимпиадную школу для учащихся 6-10 классов на базе МФТИ.
XIII Турнир Мёбиуса
Рейтинг 4,9 на основе 162 оценок и 41 отзыва о дополнительном образовании «Олимпиадные школы МФТИ», Московская область, Долгопрудный, Научный переулок, 4, корп. 1. Посетителям нравятся качество обучения, преподаватели и образование. Турниры Олимпиадных школ МФТИ – соревновательная олимпиада с индивидуальным зачетом, где участникам предлагается решить задачи от методистов Олимпиадных школ МФТИ. Олимпиадные школы МФТИ — это первые университетские школы для увлеченных изучением точных и естественных наук. Какие олимпиады проводит Московский физико-технический институт (национальный исследовательский университет) для учеников 1-11 классов.
Эйншейн из 7″Б»: Стартуют турниры Олимпиадных школ МФТИ
Рейтинг 4,9 на основе 162 оценок и 41 отзыва о дополнительном образовании «Олимпиадные школы МФТИ», Московская область, Долгопрудный, Научный переулок, 4, корп. 1. Посетителям нравятся качество обучения, преподаватели и образование. Список олимпиад Московского физико-технического института (национального исследовательского университеат): 30 олимпиад. 12 апреля на футбольном поле стадиона «Металлист» в городе Королев прошел футбольный матч между командами РКК «Энергия» и студентами МФТИ. Олимпиада школьников «р» организована в 2023 году экспертами Передовой инженерной школы радиолокации, радионавигации и программной инженерии МФТИ для учащихся 8−11 классов. Приглашаем вас принять участие в Турнирах Олимпиадных школ по математике, информатике и физике! Ученики нашей школы принимали участие в Московской олимпиаде школьников по робототехнике: в двух турах – теоретическом и практическом.
Решай и побеждай в турнире по математике Олимпиадных школ МФТИ!
Для участия необходимо подать заявку и пройти конкурсный отбор. С подробной информацией можно ознакомиться на сайте , а с вопросами обратиться на почту it-education phystech.
И: И есть ли у тебя какие-то идеи на будущие проекты? Игорь Дышлевский: Есть идеи улучшения тех проектов, которые уже есть. Идей будущих проектов тоже много. Одна из них — это совмещение некоторого количества моделей, больших моделей для создания ансамблей с моделями машинного обучения для решения более сложных задач.
Добавление жёсткого интерфейса. Игорь Дышлевский: Наибольший интерес вызвали задачи по машинному обучению, которые были на основном этапе. Но больше машинного обучения душу греет из всех этих задач. И: Можешь ли выделить очень сложное или, наоборот, лёгкое задание? Игорь Дышлевский: Самое сложное — это задачи не по машинному обучению.
Самые лёгкие задачи — по машинному обучению. Игорь Дышлевский: Задачи по машинному обучению были достаточно интересные. Задача на рекомендательную систему в основном этапе заставила сесть и всё-таки написать эту систему, что получилось не так быстро. Но всё же задача из финального этапа — самая интересная. Что в рамках решения обеих задач полезного получилось узнать при анализе, что поспособствовало улучшению качества решения?
Игорь Дышлевский: Допустим, для задач в первый день у нас было распределение по классам в системе, куда мы заливали решения. Оно было одно, они были равномерные. Распределение в тренировочных данных было с ужасным перекосом от одного класса. Из-за этого при обучении я добавлял коэффициент, обратный проценту. Те классы, которых было меньше, имели большее значение, потому что на тестировочных данных их будет ровно столько же, как остальных.
Из-за этого их надо учитывать сильнее, чем остальные, за один элемент. Как и какие зависимости изучал? Может, как-то оценивал важность признаков или использовал сразу всё, как есть? Игорь Дышлевский: Вначале смотрел, какие признаки можно удалить, какие признаки я точно не буду обрабатывать из-за того, что это может занять все 6 часов, которые у нас были. Соответственно, убрал 4 признака такими способом.
Дальше смотрел на то, какие признаки к какому типу относятся. То есть, категориальные и некатегориальные. По этому поводу уже обрабатывались данные и подавались в разные модели. И: Помимо решения задачи как таковой ты всё же участвовал в соревновании. Применял какие-либо действия, чтобы оптимизировать метрику качества не с точки зрения хорошо решённой задачи, а с позиции "взлома" метрики качества?
Игорь Дышлевский: С позиции взлома — нет. Но это как посмотреть. Я загружал таблицы с одинаковыми классами, чтобы понять, какое там распределение. Получилось узнать, что оно абсолютно равномерно. Как раз из-за этого был добавлен коэффициент.
Затем распределение помогло понять, в окрестностях каких значений модель должна выдавать результаты, и так уже помогать отбирать модели. Попытки атаковать умышленно не было, но эти данные использовались для будущих моделей. Игорь Дышлевский: Успехов и удачи на олимпиаде. Также очень полезны для олимпиады вебинары. Чтобы решать задачи следующего этапа, очень полезно посмотреть предыдущий вебинар, который записывался для участия в этапе.
И: Ты — финалист олимпиады по искусственному интеллекту. Расскажи, пожалуйста, как проходила твоя подготовка и как ты получил те знания, которые тебе помогли на Олимпиаде? Никита Таушканов: Машинным обучением я начал заниматься не так давно, где-то полгода назад. Занимался самостоятельно по свободным источникам в интернете. Это курсы, книги и прочее.
В общем, вот и вся подготовка. И: Ты занимался на каких-то курсах? Никита Таушканов: По большей части это курсы на Stepik — такая образовательная платформа. Книги тоже очень много мне дали в плане знаний. И: Расскажи, почему именно машинное обучение?
Никита Таушканов: Во-первых, мне кажется, за этим будущее. Во-вторых, мне просто понравилось, я попробовал — интересно, почему нет. Эта область совмещает в себе математику и программирование. И то и то мне нравится. И: Какие задания Олимпиады вызвали у тебя наибольший интерес?
Никита Таушканов: По машинному обучению. Особенно понравилась задача про рекомендательную систему. И: Важным этапом любой задачи являлось предварительное исследование датасета. Никита Таушканов: На самом деле только за счёт этого я, наверное, и попал на 9-е место. То есть в первой задаче я просто нашёл удачные закономерности и набрал много баллов.
А во второй провёл исследование, и в результате получилось много чего полезного оттуда достать. И: Было что-то, что поспособствовало улучшению качества решения? Никита Таушканов: Не знаю, не могу ответить. Никита Таушканов: Было очень сложно. Я первый час вообще не понимал, что где находится.
Конечно, хотелось бы, чтобы сообщали хотя бы, что данные анонимные. И какие именно данные в какой колонке хранятся именно по типам? То есть тип — время, категории или числовые значения. И: Может, как-то оценивал важность признаков или использовал всё сразу, как есть? Никита Таушканов: Я не разобрался с категориальными данными.
Там получились три колонки со списками значений. Что они означали, я не знал, и как их обработать, чтобы достать оттуда что-то полезное, тоже. Остальные все использовал по полной. И: Применял какие-либо действия, чтобы оптимизировать метрику качества не с точки зрения хорошо решённой задачи, а с позиции "взлома" метрики качества? Никита Таушканов: В целом я этим и занимался.
И: Как тебе задания? Никита Таушканов: Задания интересные очень. Я не так давно занимаюсь машинным обучением. Первая задача была немного сложная, но за 6 часов можно решить. Вторая тоже интересная.
Единственный минус, как я говорил, это непонятно вообще, что с данными делать и что где находится. А так хорошая задача. И: Расскажи, пожалуйста, какие эмоции ты испытываешь от того, что ты участвуешь в Олимпиаде? Никита Таушканов: Когда я приехал, мне всё очень понравилось.
Павел Жучков: Потому что мне как-то раз предложили в прошлом году поучаствовать во Всероссийской Олимпиаде по искусственному интеллекту, и я решил попробовать. И: Есть у тебя какие-то собственные проекты? Павел Жучков: По искусственному интеллекту нет. По программированию пытаюсь делать хоть что-то на досуге, пока тоже ничего особенного нет. И: Какие задания Олимпиады у тебя вызвали наибольший интерес?
Павел Жучков: Мне понравилось задание с факторизацией. Это очень прикольный трюк. И: Какие эмоции ты испытываешь от участия в Олимпиаде? Павел Жучков: Есть в этом какой-то такой кайф, если решение на каких-то уже последних минутах зашло. Правда, если не зашло, то там уже всё печально, но ладно. И: Важным этапом любой задачи является EDA. Что получилось узнать полезного в рамках решения обеих задач при анализе? Что помогло улучшить качество решения? Павел Жучков: Я в первой задаче данные особо не анализировал.
Поэтому про то, что там повторяются данные в тесте и трейне, не узнал. Во второй задаче я понял, что T — это время. По-моему, об этом сказали позже. Хотя, может, сразу не увидел. Потом я выкидывал несколько раз N, потому что, по-моему, оно было одинаковое. И: Задача на предсказание клипа включала в себя анонимизированные данные без описания. Как в таком случае вы подходили к анализу признаков? Как и какие зависимости изучали? Может, как-то оценивали важность признаков или использовали сразу всё, как есть?
Павел Жучков: В основном использовал всё, как есть: посмотрел на среднее, минимум, максимум. Собственно, из времени вычитал минимальное время, потому что оно там, видимо, юниксовское, так как начинается с 13 миллиардов. Несколько раз выкидывал N, потому что оно было одинаковое. Также думал выкидывать групповые категориальные признаки, потому что с ними очень трудно работать. Но в итоге не выкинул. И: Делали ли какие-то дополнительные признаки? Павел Жучков: GC-шки, я их хэшировал, потому что иначе они просто не помещаются в память. И: Что бы ты пожелал будущим участникам Олимпиады? Павел Жучков: Я бы пожелал им упорства, удачи и стараний.
Вячеслав Чертан: Меня зовут Чертан Вячеслав, я из города Кемерово, учусь в 11 классе городского классического лицея. Расскажи, пожалуйста, как ты проходил обучение и каким образом получил те знания, которые тебе помогли в Олимпиаде? Вячеслав Чертан: Искусственным интеллектом я занимаюсь как сам, так и в центре дополнительного образования в нашем городе. Олимпиадным программированием и математикой занимаюсь, можно сказать, полностью самостоятельно, ездил на смены в "Сириус". Олимпиада на отборочном этапе делилась на несколько частей. Это были задачи на олимпиадное программирование, на математику и на сам искусственный интеллект. И: Есть ли у тебя какие-то собственные проекты? Вячеслав Чертан: Есть у меня проект — телемедицинский сервис для помощи в реабилитации после поражения лицевого нерва. Есть такие заболевания, которые приводят к тому, что часть лицевых мышц отказывается работать.
Это может произойти от обморожения и несколько других болезней. Чтобы восстановить мышцы, нужно периодически выполнять мимические упражнения, делать это правильно. Как происходит контроль сейчас? Пациент приходит к врачу, врач у него лично принимает то, как пациент делает упражнения. В дополнение ещё может быть система, в которой человек выполняет перед зеркалом сам или записывает на камеру телефона и отправляет врачу. Это не сильно удобно, потому что врач должен отсматривать упражнения пациента либо вживую, либо на записи, тратя своё время. Я разработал систему, которая на основе искусственного интеллекта определяет правильность выполнения мимических упражнений. Благодаря нескольким мифотекам, которые переводят изображение, определяют точки лица, по точкам лица строят отрезки и определяется правильность выполнения упражнения. И: Скажи, пожалуйста, какие задания Олимпиады у тебя вызвали наибольший интерес?
Вячеслав Чертан: С заданиями по математике и программированию я справился, в принципе, легко. Самыми интересными как раз были задачи на машинное обучение — особенно всё, что связано с текстом. Я узнал, что в CatBoost можно использовать один дополнительный параметр, чтобы всё это работало легко и просто. И: Важным этапом любой задачи является предварительное исследование датасета. Что в рамках решения обеих задач полезного получилось узнать при анализе? Вячеслав Чертан: Во второй задаче занимательным было то, что можно было обучить обычный классификатор через CatBoost, и он будет достаточно хорошо работать, а также то, что данные были немного повреждены и это нужно было заметить и устранить, чтобы балл стал выше. И: Что поспособствовало улучшению качества решения? Вячеслав Чертан: Как уже говорил, убрав последний элемент и приплюсовав к индексам всех остальных по единичке, я получил качество модели лучше на 3 сотых. Без этого я был бы наверно на середине трейнинга, а здесь я оказался на одной четверти.
И: Задача на предсказание клика включала в себя анонимные данные без описания. Как в таком случае ты подходил к анализу признаков? Вячеслав Чертан: Вообще — не знаю, сразу или нет, вроде бы через какое-то время — в задаче появилось описание того, что означает каждая колонка хотя бы примерно. Например, было написано, что буква алфавита обозначает какие-то категориальные признаки один и два, счетчики С1, С2, С3 — набор категориальных признаков. Я просто в катбусте прописал, что есть что, и это начало хорошо работать. По крайней мере лучше, чем было до. В целом не составляет труда понять, какие признаки являются чем, проведя небольшой анализ в своём ноутбуке. И: Как и какие зависимости изучал? Вячеслав Чертан: Вообще на изучение зависимостей не так много времени ушло.
Я почти сразу начал писать модельки. Во второй задаче что-то пошло не так сначала. Моделька выдавала на трейне и на валидации хороший результат, а на тесте приписывала всем класс того, что человек кликнет. Это было, естественно, как-то очень странно. И: Оценивал важность признаков или использовал всё как есть? Вячеслав Чертан: Не было на это времени. Когда я написал хорошее решение, у меня оставалось минут 30, чтобы дошлифовать. Это очень мало с учётом того, что датасет весит очень много и одна его выгрузка и загрузка на систему занимает минут пять. И: Применял ли какие-то действия, чтобы оптимизировать метрику качества не с точки зрения хорошо решённой задачи, а с позиции "взлома" метрики качества?
Вячеслав Чертан: Как я уже говорил — уберём последнюю запись, добавим ко всем остальным ID-шникам по единичке, и решение начинает работать лучше. В первой задаче, возможно, получилось случайно, возможно, нет, но я вовремя остановил выполнение своего решения, оно было медленным, отправил, и поэтому балл выровнялся на своей максимальной позиции. Если бы я не дорешал, балл был бы меньше, потому что одно решение. У меня два решения совмещались, показатели меняли друг друга. Если бы я это сделал чуть раньше или чуть позже, у меня был бы более низкий балл. И: Как тебе в принципе задание?
После занятий в обычной школе и лицее мы успешно писали тестовую часть, но сочинение вызывало трудности. На онлайн-занятиях Татьяны Базжиной мы написали и проверили 10 сочинений и научились «наращивать мясо на скелет», чтобы писать отличное сочинение по любой теме. Комментарии преподавателя к нашим работам помогали отработать ошибки и двигаться в правильном направлении. В результате — 98 и 100 баллов по русскому языку. Миша получил льготы на 100 баллов по ЕГЭ и подтвердил их высокими баллами на экзаменах. Я пришел решать задачи и не зацикливался на результате». Например, Сергея сразу поздравили с поступлением.
Летняя школа МФТИ
Если вы хотите участвовать: Зарегистрируйтесь на сайте и заполните анкету Пройдите тестирование по выбранному предмету до 23 июня Ждите от нас письмо с подтверждением. Подробности на нашем сайте и в группе ВКонтакте.
В процессе игры не разрешается: иметь плохое настроение, мешать другим командам, принимать пищу для этого будет перерыв. Что нужно сделать, чтобы поиграть? Необходимо собрать команду из 3-х или 4-х человек; выбрать, в какой из двух дней 21 или 22 октября вы хотите участвовать; выбрать площадку проведения и зарегистрировать свою команду на Турнир на этой площадке. Команду регистрирует ее руководитель. Им может быть кружковод, учитель, родитель или просто неравнодушный фанат математических турниров. Пройти регистрацию необходимо не позднее 18 октября.
Количество мест на каждой площадке ограничено.
Олимпиадные школы МФТИ в этом году отмечают свой юбилей — десять лет с момента основания. Этим летом школьники побывали в офисах крупных ИТ-компаний, впервые с поддержкой Сбера победители турниров Олимпиадных школ получили около сотни бесплатных путевок, впервые появился «гимн» лагеря, написанный самими участниками вместе с вожатыми. Этот необыкновенный путь начался в 2013 году, когда подобные инициативы еще никто не проводил. С тех пор более 13 000 школьников открыли для себя мир науки. Так Арина Ткаченко поделилась своими эмоциями: «Узнала много нового, познакомилась с умными и веселыми ребятами, которые смогли замотивировать ботать дальше.
Алексей Малеев, являющийся основателем Олимпиадных школ, отметил, что каждый раз программа пополняется чем-нибудь новым. В частности, проводились смены по таким инновационным направлениям, как нейронет, компьютерная лингвистика, анализ данных, техническое зрение. Читайте также.