Карта инициативной среды ТГУ
Данный Проект рассчитан на модернизацию части рабочих процессов, происходящих в университете во время организации и проведения образовательной, научной и инновационной деятельности. Решение задач проекта позволит на базе локальной программы и коллектива разработать и испытать продукты, технологии, с целью их экспорта и трансляции полезного опыта в остальные структурные подразделения ТГУ.
Основным фокусом задач проекта является образовательная деятельность, реализующаяся в рамках двух программ бакалавриата (на русском и английском языках). Для этого: планируется разработка и внедрение новых положений, регламентирующих ряд неточных вопросов в области юридического обеспечения работы ООП нового типа; модернизация инфраструктуры ТГУ для частичного решения проблем аудиторного фонда и повышение уровня доступа студентов к современным IT-технологиям; организация и проведение маркетинговых мероприятий для абитуриентов с анализом эффективности тех или иных инструментов и приёмов.
Студент 1 курса Высшей IT-школы (HITs) Вячеслав Бакулин победил вавторитетном конкурсе, организованном компанией Wallarm. Участникам необходимо было разработать модель машинного обучения для классификации веб-атак на основе данных «хороших» запросов и запросов, содержащих атаки. Вячеслав справился с этим лучше всех и разделил первое место с магистрантом из Сколково.
Все мы пользуемся веб-сайтами, например, почтой, социальными сетями или онлайн-банкингом, где есть данные и функционал для работы с ними, например, по переводу денег. Однако через уязвимости в сервисе злоумышленники могутполучить доступ к этим данным. Один из способов защиты – анализировать поступающие к сервису запросы и отделять «хорошие» от содержащих атаки. И здесь даже очень «хитрые» алгоритмы значительно проигрывают современным методам машинного обучения.
Точность модели машинного обучения, которую разработал Вячеслав Бакулин, по данным организаторов, составила 0,99985, и это очень высокий показатель.
– Задачи из этой области обычно не имеют точного решения, поэтому нужна такая математическая модель, которая с наибольшей точностью сможет классифицировать данные или предсказывать результаты, – поясняет студент. – В качестве модели нередко выступают нейронные сети, деревья решений и другие методы. Я использовал градиентный бустинг, а участник, разделивший со мной первое место, – архитектуру реккурентной нейросети.
Соревнования по анализу данных на платформе kaggle.com являются одними из самых популярных и авторитетных в сфере Data Science. Для людей, собирающихся стать специалистами в машинном обучении, такого рода конкурсы являются must have в портфолио. Компании, которым требуется решить сложную задачу по машинному обучению, предпочитают размещать свои проблемы и данные к ним именно на этой платформе и предлагают участникам солидные денежные призы за решения. На последних соревнованиях награда за 1 место составляла $1000.
Отметим, что Вячеслав уже побеждал в подобном соревновании, организованном компанией СИБУР.
Свои знания и навыки Вячеслав Бакулин совершенствует в группе Tomsk Machine Learning, где студенты, аспиранты и другие заинтересованные в машинном обучении специалисты разбирают нетривиальные темы и задачи. Подробности тем и информацию о том, как можно присоединиться, можно узнать в группе https://vk.com/tomskml.
В рамках направления «Программная инженерия»Высшая IT-школа (HITs) ТГУ применяет новыйобразовательный формат – основным принципом является тезис о том, что современный программный инженер развивается, если решает реальные задачи в современном IТ-окружении. Программа реализуется совместно с промышленными партнерами.