V članku si lahko preberete nekaj izsekov iz predstavitve Študentskega tekmovanja iz podatkovnih ved, ki smo ga v obliki klepeta organizirali v januarju. Govorili smo o izvedbi tekmovanja, preteklih izkušnjah študentov dveh zmagovalnih ekip, vlogi podjetij ter fakultete.

Tekmovanje je namenjeno študentom 1. in 2. stopnje študija, prijave potekajo do 18. februarja 2022. Več informacij o tekmovanju najdete na povezavi.

Kaj je Data Science Project Competition?

Gre za tekmovanje v reševanju dejanskih izzivov v podjetjih na področju podatkovnih ved. V okviru tekmovanja sodelujejo študenti, mentorji s fakultete in mentor iz podjetja. Doc. dr. Jure Demšar, vodja tekmovanja, je poudaril: »Želimo si, da je tekmovanje čim bolj uporabno za vse vpletene: podjetja predlagajo teme, ki jih želijo bodisi preizkusiti in nimajo časa za poglobljeno raziskavo bodisi potrebujejo rešitev. Za fakulteto je to zanimivo, saj vidimo, s kakšnimi težavami se soočajo najboljša podjetja v regiji. Podobno je s študenti, ki tako dobijo priložnost za sodelovanje z najboljšimi s tega področja.«

Študenti za sodelovanje v tekmovanju prejmejo tudi 3-6 kreditnih točk za izbirne predmete. V letu 2022 je nagradni sklad še povečan.

Kdo lahko sodeluje na tekmovanju?

Vid in Dimitar sta sodelovala na tekmovanju kot študenta študijske smeri Podatkovne vede, a vabljeni so tudi študenti drugih programov. Vid je v ekipo vključil prijatelja s smeri Multimedija, ki je za to tudi prejel kreditne točke za predmet Računalništvo v praksi. Dimitarjevi ekipi pa se je priključil študent dodiplomskega študija Računalništvo in informatika. Poudarila sta, da je najbolj pomembno navdušenje tekmovalcev nad podatkovnimi vedami in ne toliko smer študija.

S kakšnimi izzivi se srečujejo tekmovalci?

Izziv Vidove ekipe je postavilo podjetje Celtra. Ugotovil je, da podatki v industriji niso tako urejeni, kot so tisti, ki so pripravljeni za seminarske naloge. Pri svojem delu so morali preizkusiti veliko tehnik in končni dosežek je bil rezultat večmesečnega raziskovanja različnih pristopov. Težave so reševali z brainstormingom ter dobili občutek za delovni tok pri implementaciji modelov strojnega učenja v realnem svetu. »Od nas je bil pričakovan vložek cca. 120 ur tekom celotnega semestra, za 6 kreditnih točk ECTS. Po naših izračunih je vsak član ekipe dosegel med 150 in 180 vloženih ur,« je še povedal Vid.

V podjetju Zemanta so pripravili izzive, ki so bili neposredno uporabni. Jan Hartman iz Zemante je povedal: »Lansko leto je Dimitarjeva ekipa raziskovala modele, ki so napovedovali klike. Od njih smo želeli, da se preizkusijo v rabi modelov, ki so na robu razvoja, torej korak ali dva naprej od klasičnih pristopov v strojnem učenju. Implementirali so jih nekaj in preizkusili na naših podatkih ter opravili veliko dela z odličnimi rezultati.« Dimitar je poudaril koristi sodelovanja z mentorji iz podjetij, saj tako študent ugotovi ali mu je takšno delo všeč, sodelovanje pa lahko kasneje s tem podjetjem tudi nadaljuje.