Smart Analysis (командный проект)

Компания	Smartan
Учебный семестр	Осень 2016
Учебный курс	3-й курс
Максимальное количество студентов, выбравших проект: 4

Что это за проект?

Глобальная цель проекта - сокращение временных, финансовых и людских расходов в области финансовой аналитики. Общирнейшая задача разбивается на множество этапов, таких как - Получение оперативной информации из государственных источников - Получение оперативной информации от рейтинговых, консалтинговых и аналитических агенств (чаще всего - неструктурированный текст), а также СМИ. - Хранение актуальной информации в нормализованном виде - Использованние описанной выше информации в различных задачах: помощь топ менеджменту (триггеры на событиях, например), оперативное заполнение необходимой информации для кредитных решений по юридическим и физическим лицам, в конечном итоге - помощь в принятии кредитных и портфельных решений с максимальной автоматизацией

Чему научатся студенты? Что самое интересное в проекте?

Основная функциональность проекта будет требовать анализа текстов и неструктурированных источников, таким образом студенты получат опыт работы с современными технологиями машинного обучения в области анализа естественного языка. До этого им будет предложено поработать со структурированными источниками, получив опыт веб-краулинга, парсинга полученной информации, написания триггеров и шаблонов. Возможно, параллельно с этим будет небольшой отступ в область современных технологий front-end и back-end разработки.

Организация работы (Как студенты будут работать в команде?)

В команде желательно иметь 4 студентов. В случае выхода на нормальную работу 1 студент будет задействован в разработке web сервера проекта - то есть интерактивных форм и личного рабочего места аналитика 2 студента будут задействованы в анализе и обработке структурированных источников - официальных отчетов консалтинговых компаний и крупных холдингов, а также государственной статистики 1 студент, которого не будут пугать возможные подводные камни, будет заниматься процессом исследования и разработки эффективных методов анализа естественного языка для выделения критериев определенного характера - оценочных утверждений, приказов, действий

Какие будут использоваться технологии?

В области машинного обучения студенты смогут сами выбрать себе рабочую среду по выбору, но в целом предпочтительнен Python с фреймворками TensorFlow/Theano/Keras (на выбор). Для задач web-разработки будет использован JavaScript как наиболее популярный сейчас язык.

Какие начальные требования?

Знание Python является почти обязательным, за исключением случая, если студент отдельно заинтересован в работе с web стороной проекта. Знание нейронных сетей, их различных типов, а также не нейронно-сетевых методов анализа естественного языка является бесспорным плюсом, иначе надо быть готовым учиться быстро, одновременно теорию и практику. Если у студента большой опыт/прямые руки при работе с любым другим набором язык+фреймворк для машинного обучения, его выбор будет учтен.

Темы вводных занятий

После выбора студентами желаемого направления работы им будет предоставлен материал для самообучения и простое тестовое задание для практики. После решения тестового задания студенту будет предоставлена свобода самостоятельного выбора пути решения и предоставлена отдельная область работы. Возникшие вопросы технического или принципиального характера затем будут решаться в индивидуальном порядке.

Критерии оценки

Поскольку тематика работы каждого студента будет индивидуальной, то нет единого критерия. Общее деление можно произвести так: 4-5 Студент освоил теоретические принципы работы в своем направлении, решил одну поставленную задачу 6-7 В дополнение к вышеперечисленному, студент может самостоятельно найти решения на собственный несложные вопросы и претворить ответы в жизнь 8-10 В дополнение к вышеперечисленному, студент проявляет способность к творческому подходу и модификации способа решения изначально поставленной задачи

Контактная информация

Мария МИХАЙЛЕНКО okrosb1@gmail.com