«Сбербанк» определил победителей хакатона по Bockchain, Machine Learning и Big data
Самыми лучшими проектами стали электронное резюме и система подбора ассортимента для магазинов
Сбербанк и дочерняя ИТ-компания «Сбербанк-Технологии» провели серию хакатонов по blockchain, machine learning и big data. Победители получили денежные призы в размере 1,5 млн рублей. В хакатонах участвовали 25 команд из Москвы, Иннополиса, Калуги и других городов России. Свои проекты представили 70 разработчиков.
В номинации Blockchain победила команда OpenHive. Программисты представили проект электронного резюме и профессиональной истории человека. Они получили от 250 тысяч рублей от корпорации. На втором месте команда EvolveTeam, которая проработала идею брачных контрактов в протоколе Ethereum. Разработчики получили 150 тысяч рублей.
В номинации Machine Learning победила команда Simple Team. Их проект позволяет подобрать ассортимент для офлайн-магазинов. Кроме того, программа предлагает наилучшие места для открытия новых торговых точек. Приз от «Сбербанка» составил 250 тысяч рублей. На втором месте в этой номинации команда QDESA. Их программа помогает сформировать кредитное предложение для юридических лиц. Технологии машинного обучения позволяют анализировать предприятия по набору параметров. Найдя схожие по набору признаков, система предлагает кредит. Команде достались 150 тысяч рублей.
В хакатоне по Big Data приняли участие три команды, две из которых разделили призовые места. Первое место в этой номинации не вручили. Второе место и приз в 150 тысяч рублей получила команда ZenSolutions.ai. Программисты создали телефонного бота, который вычисляет, какую именно и какую финансовую услугу предложить. Бот по телефону задает вопросы и определяет размер и условия финансового предложения, проводит скоринг и присылает предложение по смс или в мессенджер.
Третье место и приз в 100 тысяч рублей получила команда High-Tech Analytics. Участники нашли способ увеличить прибыль с торговли цифровой валютой. Прототип их программы предсказывает скачки цен на койны при помощи анализа корреляций нескольких курсов.