REASKILLS: компетенция «Машинное обучение и большие данные» 2023

Чемпионат ReaSkills - единое информационное пространство, целью которого является освещение всех этапов деятельности в рамках движения чемпионатов профессионального мастерства по методике WorldSkills для сотрудников электроэнергетического дивизиона. «REASkills-2023 – это праздник умелых рук, умных голов, а главное горячих и неравнодушных сердец к своему делу, к своей профессии. Наши люди готовы принять любой вызов и всегда быть на шаг впереди. Мы готовы делиться своими знаниями, именно поэтому в этом году у нас множество желающих принять участие в чемпионате из других дивизионов», - поделился первый заместитель генерального директора АО «Концерн Росэнергоатом» по корпоративным функциям Джумбери Ткебучава. По итогам дивизионального чемпионата его победители войдут в сборную команду Концерна «Росэнергоатом» и будут защищать его честь на отраслевом чемпионате AtomSkills, а также в национальном чемпионате профессионального мастерства. Компетенция "Машинное обучение и анализ данных" в рамках чемпионата это дисциплина, связанная с данными: их сбором, обработкой, анализом и поиском эффективных решений. Цели и задачи участников компетенции: подтверждение гипотез, прогнозирование, нахождение закономерностей. В соответствии с межотраслевым стандартным процессом исследования компетнция включает: 1) Формирование итогового набора из исходных разнородных и разноформатных данных. Отбор таблиц, записей и атрибутов, а также конвертация и очистка данных для моделирования. 2) Исследование данных, нахождение в них общих закономерностей, распределений и аномалий, построение начальных моделей с использованием инструментов визуализации. 3) Построение модели, получение количественной оценки ее качества и настройка параметров на оптимальные значения. 4) Развёртывание модели машинного обучения. 5) Разработка интерфейса взаимодействия с внешними системами, подготовка технической и пользовательской документации. У участников компетенции чемпионата оценивают умения умения: * Сбора и подготовки данных; * Осуществления поиска структуры в данных, выявления взаимосвязей и закономерностей; * Выбора, обучения и оценки модели; * Разработки программного решения; * Оформления технической и пользовательской документации.