Никита Ворожбитов из команды NaturaLP: «Участие в ИТ-соревнованиях — это уникальная возможность для профессионального роста»

AI Open News провела в 2023 году хакатон AI News Hack. Участники разрабатывали сервис удаления дубликатов и классификации новостей на основе машинного обучения для новостного Telegram-ассистента. Лучшие решения были использованы для доработки сервиса, а лучшие команды получили приглашение присоединиться к компании. Среди них оказался и коллектив NaturaLP, занявший 3 место. 

Мы пообщались с заместителем капитана Никитой Ворожбитовым, который сейчас работает в AI Open News в роли Python & ML-developer. Он рассказал, как эффективно действовать в условиях нехватки времени, какие события запомнились больше всего, а также поделился советами для участников ML-соревнований. 

Какую конкретную проблему решала ваша команда на хакатоне?

На хакатоне наша команда NaturaLP решала задачу автоматизации классификации новостных сообщений и удаления дубликатов. Мы работали над улучшением сервиса AI News с помощью машинного обучения и искусственного интеллекта. Основная цель заключалась в создании модели, которая классифицировала новости по 29 категориям и удаляла дубликаты новостей с использованием технологии нечеткого сравнения. Это значительно повысило эффективность обработки данных в новостных сервисах.

Как участие в хакатоне повлияло на ваше профессиональное развитие?

Участие в хакатоне дало мне ценный опыт работы с мультиязычными моделями и глубокое понимание нейросетевых архитектур, таких как BERT и LaBSE. Я усовершенствовал свои навыки по векторизации текстов и внедрению моделей в реальных приложениях, что положительно повлияло на мое профессиональное развитие как backend и NLP разработчика.

Расскажите, какие инструменты выбрали для своего решения и для каких задач их применяли?

Мы использовали следующие технологии:

• LaBSE для векторизации новостных сообщений (поддержка английского и русского языков);
• BERT-Classifier для классификации текстов на 29 категорий;
• FastAPI для разработки backend-части;
• React.js для создания удобного и интуитивно понятного интерфейса;
• Docker для контейнеризации и удобного развертывания проекта.

Как распределение ролей в команде помогло довести проект до финала?

  В нашей команде была четкая структура:

1. Я занимался разработкой моделей для классификации и обработки данных на backend.
2. Другие члены команды были ответственны за frontend-разработку и визуализацию данных.

Мы также работали совместно над интеграцией всех частей проекта, что позволило создать комплексное и эффективное решение.

Как вы справились с работой в условиях жестко ограниченного времени?

Мы организовали работу по спринтам, четко распределив задачи и роли. Разделили задачи на небольшие этапы и ежедневно обсуждали прогресс, что помогло быстрее находить решения возникающих проблем — данный подход носит название SCRUM, также используется в современных компаниях.

Что запомнилось больше всего на прошедшем соревновании?

Хакатон оставил отличные впечатления. Это был вызов, но в то же время отличная возможность развить свои навыки, поработать в команде и обменяться опытом с другими профессионалами. Формат мероприятия позволил глубже понять современные вызовы и задачи в области ИИ и машинного обучения. Это дало стимул продолжать развиваться в данной сфере.

Какое напутствие можете дать будущим участникам хакатонов? 

Участие в ИТ-соревнованиях — это уникальная возможность для профессионального роста. В ограниченные сроки ты учишься эффективно управлять временем, работать в команде и решать реальные задачи. Хакатоны помогают лучше понять текущие тенденции и технологии, а также находить новые пути решения сложных проблем. Отличный способ испытать свои навыки и выйти за пределы привычных задач. Желаю всем успехов в хакатоне!

Частые вопросы

Какую задачу решала команда NaturaLP на хакатоне AI News Hack?

Команда автоматизировала классификацию новостей по 29 категориям и удаление дубликатов с помощью нечёткого сравнения для новостного Telegram-ассистента AI News. NaturaLP заняла 3 место, а лучшие решения хакатона были использованы для доработки сервиса.

Какие технологии использовала команда NaturaLP?

LaBSE для векторизации новостей (поддержка русского и английского), BERT-Classifier для классификации на 29 категорий, FastAPI для backend, React.js для интерфейса и Docker для контейнеризации и развёртывания.

Как работать в команде на хакатоне при жёстком дедлайне?

NaturaLP использовала подход SCRUM: работа спринтами, разбиение задач на небольшие этапы, чёткое распределение ролей и ежедневные обсуждения прогресса. Это помогло быстро находить решения проблем и довести проект до финала.

Что даёт участие в хакатоне для карьеры?

Никита Ворожбитов после 3 места на AI News Hack получил работу в AI Open News как Python и ML-разработчик. Хакатон дал ему опыт работы с мультиязычными моделями BERT и LaBSE, навыки векторизации текстов и внедрения моделей в реальные приложения.