Призовой фонд 500 000 ₽
Приём заявок до 4 октября
Приём заявок до 4 октября
С 4 сентября по 4 декабря 2024 г. пройдёт ТурбоХакатон для настоящих профи в областях искусственного интеллекта и обработки датасетов
Ищем специалистов в Data Science и Deep Learning от 18 лет
Формат участия: очно-заочный (принимаем заявки из любого города РФ)
Задачи турбохакатона:
1. Цифровой ассистент — система «вопрос\ответ» для быстрого поиска ответов во внутренней документации компании
Разработка текстового цифрового ассистента, который позволит сотрудникам сократить издержки на поиск необходимой информации в большом массиве внутренней документации через вопросы, заданные в свободной форме. Данные должны оставаться во внутреннем контуре. Для обучения важно наличие возможности разметки документов с помощью ИИ.
2. Система рекомендации технологических параметров для оптимизации режимов работы работы тепловой электростанции (ТЭС)
Разработка рекомендательной системы, которая прогнозирует технико-экономические показатели ТЭС (оптимальность выбранного состава оборудования) и даёт предложения по оптимизации состава и режима работы оборудования для достижения экономии ресурсов. Участникам будут предоставлены исторические данные, характеризующие режимы работы оборудования и подробная телеметрия с различной дискретизацией.
3. Анализ аномалий в начислениях за тепловую энергию
Разработка системы анализа данных о потреблении тепловой энергии и выявления аномальных начислений (ошибочно внесённые показания, отклонения в потреблении). Система должна учитывать показания приборов учёта, договорные нагрузки, погодные условия и другие параметры, влияющие на потребление тепловой энергии. Будут предоставлены анонимизированные исторические данные.
4. Оптимизация маршрутов обхода многоквартирных домов (МКД) для проверки состояния приборов учёта и контроля достоверности показаний
Разработка маршрута обхода МКД с рекомендациями по оптимизации с учётом заданных критериев (место расположение МКД, удалённость объектов друг от друга, доступ к прибору учёта, результат предыдущих визит и др). Целевой результат — оптимальный маршрут и график обхода МКД, учитывающий приоритетность адресов, по которым выявлены аномалии объёмов полезного отпуска. Будут предоставлены исторические данные маршрутов обхода с учётом дат, динамики объёмов полезного отпуска в МКД.
5. Оптимизация процесса планирования закупки топлива на электростанциях на основе прогнозирования цены электричества и объёмов его выработки
Разработать систему, которая осуществляет прогнозирование необходимых объёмов закупки топлива для последующей генерации электроэнергии теплоэлектростанциями. Прогноз должен осуществляться на основе прогнозирования цены электричества и объёмов его выработки, в зависимости от конфигурации оборудования на конкретной электростанции. Для разработки системы будут предоставлены наборы исторических данных за несколько лет в достаточном объеме.
Тебя ждёт:
Ищем специалистов в Data Science и Deep Learning от 18 лет
Формат участия: очно-заочный (принимаем заявки из любого города РФ)
Задачи турбохакатона:
1. Цифровой ассистент — система «вопрос\ответ» для быстрого поиска ответов во внутренней документации компании
Разработка текстового цифрового ассистента, который позволит сотрудникам сократить издержки на поиск необходимой информации в большом массиве внутренней документации через вопросы, заданные в свободной форме. Данные должны оставаться во внутреннем контуре. Для обучения важно наличие возможности разметки документов с помощью ИИ.
2. Система рекомендации технологических параметров для оптимизации режимов работы работы тепловой электростанции (ТЭС)
Разработка рекомендательной системы, которая прогнозирует технико-экономические показатели ТЭС (оптимальность выбранного состава оборудования) и даёт предложения по оптимизации состава и режима работы оборудования для достижения экономии ресурсов. Участникам будут предоставлены исторические данные, характеризующие режимы работы оборудования и подробная телеметрия с различной дискретизацией.
3. Анализ аномалий в начислениях за тепловую энергию
Разработка системы анализа данных о потреблении тепловой энергии и выявления аномальных начислений (ошибочно внесённые показания, отклонения в потреблении). Система должна учитывать показания приборов учёта, договорные нагрузки, погодные условия и другие параметры, влияющие на потребление тепловой энергии. Будут предоставлены анонимизированные исторические данные.
4. Оптимизация маршрутов обхода многоквартирных домов (МКД) для проверки состояния приборов учёта и контроля достоверности показаний
Разработка маршрута обхода МКД с рекомендациями по оптимизации с учётом заданных критериев (место расположение МКД, удалённость объектов друг от друга, доступ к прибору учёта, результат предыдущих визит и др). Целевой результат — оптимальный маршрут и график обхода МКД, учитывающий приоритетность адресов, по которым выявлены аномалии объёмов полезного отпуска. Будут предоставлены исторические данные маршрутов обхода с учётом дат, динамики объёмов полезного отпуска в МКД.
5. Оптимизация процесса планирования закупки топлива на электростанциях на основе прогнозирования цены электричества и объёмов его выработки
Разработать систему, которая осуществляет прогнозирование необходимых объёмов закупки топлива для последующей генерации электроэнергии теплоэлектростанциями. Прогноз должен осуществляться на основе прогнозирования цены электричества и объёмов его выработки, в зависимости от конфигурации оборудования на конкретной электростанции. Для разработки системы будут предоставлены наборы исторических данных за несколько лет в достаточном объеме.
Тебя ждёт:
- Решение задач, связанных с обработкой данных, основываясь на реальных датасетах компании Группы «Интер РАО»
- Возможность запустить свои решения на суперкомпьютере Санкт-Петербургского политехнического университета Петра Великого
- Возможность получить предложение о работе в компании Группы «Интер РАО»
- Поддержка экспертов энергетической отрасли
- Возможность стать призёром и получить признание коллег