Подготовка к олимпиаде по искусственному интеллекту

Направление молодое: школьный этап проходит онлайн на «Сириус.Курсах» с 5 класса — задачи на логику данных, статистику и алгоритмы, для старших — с кодом. Муниципальный, региональный и заключительный этапы (7–11 и 9–11 классы) — задачи ML-формата: участник получает обучающую выборку, строит модель и отправляет предсказания на тестовую выборку, баллы зависят от метрики; плюс теоретические задачи по математике и алгоритмам. Работа ведётся в ноутбуках Jupyter или в тестирующей системе, время — от 3 до 5 часов на тур.

• Классификация и регрессия на таблицах — подготовка признаков, градиентный бустинг, линейные модели, валидация.
• Обработка текста — токенизация, TF-IDF, простые языковые модели, классификация отзывов.
• Компьютерное зрение — классификация изображений, свёрточные сети, аугментации.
• Статистика и вероятность — задачи на распределения, оценки, проверку гипотез.
• Алгоритмы и оптимизация — градиентный спуск, функции потерь, метрики, переобучение.
• Теоретические вопросы — как работает модель, почему метрика такая, что улучшить.

• 5–7 классы: данные и таблицы, среднее и медиана, закономерности, простые алгоритмы, логика; первые шаги в Python.
• 8–9 классы: Python, pandas и numpy, визуализация, линейная регрессия, деревья, k-ближайших, метрики качества, кросс-валидация.
• 10–11 классы: градиентный бустинг, нейронные сети (PyTorch), обработка текста и изображений, статистика и линейная алгебра, тюнинг моделей, инженерия признаков, работа с несбалансированными данными.

1. Разберите задания прошлого года — архив по искусственному интеллекту — и воспроизведите решение жюри в ноутбуке.
2. Пройдите базовый курс машинного обучения с практикой на pandas и scikit-learn.
3. Раз в неделю решайте учебное соревнование (Kaggle Learn, соревнования «Сириуса», AI-олимпиады вузов) и добивайтесь улучшения метрики.
4. Подтяните математику: статистика, производные, векторы и матрицы.
5. Заведите шаблон ноутбука: загрузка, валидация, базовая модель, улучшения — чтобы на олимпиаде не терять время.
6. За месяц — прогоны заданий прошлых лет на время.

• «Сириус.Курсы»: «Введение в машинное обучение», «Анализ данных».
• Учебник по машинному обучению ШАД (education.yandex.ru/handbook/ml) — бесплатно.
• А. Мюллер, С. Гвидо. «Введение в машинное обучение с помощью Python».
• Kaggle Learn — короткие практические курсы; соревнования для начинающих.
• Сборники заданий ВсОШ по информатике (искусственный интеллект) с разборами (ЦПМК).

• Обучение без валидации — переобученная модель проваливается на скрытой выборке.
• Утечка целевой переменной в признаки.
• Сложная сеть там, где бустинг на таблице даёт больше за 5 минут.
• Неверный формат файла с предсказаниями — нулевой балл при рабочей модели.
• Пропуск теоретических задач — они дают гарантированные баллы.