Seuraava artikkeli auttaa sinua: MachineHackin ja Shiv Nadarin yliopiston järjestämä Analytics-olympialainen päättyi onnistuneesti
Delhi-NCR:n Shiv Nadarin yliopiston täydennyskoulutusakatemia suoritti menestyksekkäästi yhteistyössä MachineHackin kanssa vuotuisen datatieteilijöille ja koneoppimisen ammattilaisille suunnatun Analytics Olympiadin 2022:n.
Kilpailu alkoi 30. syyskuuta ja päättyi 6. marraskuuta. Kaksi kuukautta kestäneen mestaruuden tarkoituksena oli vahvistaa Intian datatiedeyhteisöä ja tasoittaa tietä innovaatioille. Lisäksi se tarjosi osallistujille mahdollisuuden esitellä teknisiä taitojaan ja potentiaaliaan yritysanalytiikan alalla mahdollisille työnantajille.
Tapahtuma oli huikea menestys, sillä yli 1000 ilmoittautunutta eri puolilta maata. Tiukkojen karsintakierrosten jälkeen 9 parasta osallistujaa sai tilaisuuden pitää henkilökohtaisen esitelmän arvokkaalle tuomaristolle Shiv Nadarin yliopistossa Delhi NCR:ssä. Aman Garg, data- ja tekoälypäällikkö, DSP Mutual Funds; Anubhav Srivastava, tietotieteen johtaja, Digital Ventures, ja Rishit Jain, tuotehallinnan johtaja, 1mg Technologies, muodostivat Analytics Olympiadin tuomariston.
Pitkän harkinnan jälkeen tuomaristo julisti voittajaksi vanhempi tietotutkija Manish Pathakin, ensimmäinen toiseksi sijoittuva vanhempi tietotieteilijä Varun Jagannath ja toiseksi kakkonen Rishi Madhav, presales & Solutions Lead, Data & Analytics.
Voittaja sai 1000 INR:n pääpalkinnon. Toiseksi ja kolmanneksi tulleet palkittiin 30 000 INR ja 20 000 INR.
Osallistujien ongelmana oli luoda ML-malli, joka auttaisi vakuutusyhtiötä määrittämään, mitkä vakuutushakemukset hyväksytään korvattavaksi ja mitkä hylätään.
Voittava kokemus
Ensimmäiselle sijalle nousi Manish Pathak, BITS Pilanista valmistunut sähkö- ja elektroniikkatekniikan kaksoistutkinto ja fysiikan maisteri. Luonnollisesti siihen taipuvainen Pathak alkoi tutkia datatieteitä ennen viimeistä vuotta. Hän työskentelee tällä hetkellä vanhempana tietotutkijana MiQ Digital Indiassa, mainosteknologiayrityksessä, jossa hän aloitti harjoittelijana. “Koska datatiede on valtavaa ja kehittyy nopeasti, opin silti jotain uutta joka päivä”, Pathak sanoi.
Varun Jagannath sijoittui toiseksi hackathonissa. Hyderabadin datatieteilijä työskentelee tällä hetkellä DBS:ssä ja pitää MachineHackia yhtenä hyödyllisimmistä tietotekniikan alustoista.
Rishi Madhav ansaitsi kolmannen sijan Bangaloresta. Hänellä on yli 16 vuoden monipuolinen kokemus suunnittelupalveluista autoteollisuuteen ja valmistukseen. Madhav on kiinnostunut datatieteestä ja koneoppimisavaruudesta ja on innostunut tietopohjaisten ratkaisujen rakentamisesta.
Kahden päivän menestys
Hackathonin lisäksi kaksipäiväisen tapahtuman aikana käytiin kolmen paneelin keskusteluja merkittävien ja kokeneiden henkilöiden kesken. Oivaltava istunto tutki useita data-alan näkökohtia sekä veteraaneille että aloittelijoille.
Ensimmäinen keskustelu alkoi Genpactin AI-ML:n johtajan Megha Sinhan kanssa, jossa käsiteltiin teollisuuden ja korkeakoulujen välisen yhteistyön merkitystä. Hän puhui siitä, kuinka sidosryhmät voivat kuroa umpeen kuilua perustamalla huippuyksiköitä täydentämään instituutioiden olemassa olevia ohjelmia. Hän ehdotti myös, että yritykset ryhtyisivät enemmän T&K-aloitteisiin ja tuovat kampuksille yrittäjähenkistä ajattelutapaa.
Lisäksi SNU:n apulaisprofessori Satyam Mukherjee huomautti, että analyysin kääntämiseksi ja tehokkaan datan saamiseksi toimialojen on otettava askel eteenpäin jakaakseen tietojaan akateemisen maailman kanssa yhteistyön vahvistamiseksi. Bhaskar Roy, Fractal AI:n asiakaskumppani, korosti, kuinka tärkeää on, että opiskelijat osaavat hyödyntää tietojaan todellisten ongelmien ratkaisemiseksi. Lopuksi Deependra Singh, VP ja Data Science & Insights -yksikön johtaja, Network18, ehdotti, että tutkimuksen tulisi olla äärimmäisen tärkeä asia, koska projektit ovat futuristinen vaatimus yritykselle. Paneeliistunto päättyi johtajien toimiviin oivalluksiin.
Orient Electricin digitaalisen ja suorituskyvyn markkinoinnin johtajan Rishab Parasharin ohjaama toinen paneeli hyppäsi suoraan siihen, kuinka voidaan selvittää, sopivatko ne oikein räjähdysmäiseen data-analytiikkaan. Suorituskykyyn perustuviin panelisteihin kuuluivat Rahul Goswami, apulaisjohtaja ja HCL Techin kaupan nopeuttamisohjelman johtaja; Ruchi Bubber, myyntianalyysipäällikkö – Pernod Ricard; ja Vishesh Gangal, analytiikkaratkaisujen ja konsultoinnin johtaja WNS Global Services -palvelussa. He käsittelivät useita kohtia siitä, miksi datatieteen ja analytiikan urat ovat olennaisia ja tärkeitä. He antoivat myös kaksi senttiä toimenpiteistä, joihin tietokenttään tulevat nuoret ammattilaiset ja opiskelijat voivat ryhtyä.
Bubber selitti tietojen merkitystä: “Data-analytiikka ei ole algoritmeja tai numeroiden murskaamista. Kyse on liiketoiminnan muuttamisesta tekemällä siitä vaikuttavampi.”
Kolmas keskustelu keskittyi datatieteen ja analytiikkateollisuuden tulevaisuuteen. Sreekanth Menon, varatoimitusjohtaja ja Genpactin globaali johtaja, aloitti keskustelun toteamalla, että vuoteen 2026 mennessä maailmanlaajuisesti syntyy 11,5 miljoonaa työpaikkaa. Boston Consulting Groupin (BCG) kumppani Rajat Mathur vastasi, mitä tulevaisuus tuo tullessaan. Niin kauan kuin käsittelet ongelmaa ja arvoa luodaan, tällä tekniikalla on aina tulevaisuutta.”
Samalla tavalla Mamta Aggarwal Rajnayak, VP – AiDa AI-ML -tuotteiden ja -alustojen johtaja – AI Labs, American Express, sanoi, että alhainen koodi/ei koodia tulee olemaan todellisuutta jokaisessa organisaatiossa tulevaisuudessa. Saurabh Rai, Tech Mahindra Business Process Servicesin analytiikka-, tekoäly- ja paikkatietoaloitteiden globaali johtaja, osallistui edelleen keskusteluun.
Tapahtuman pääpuheenvuoron pitivät myös prof. Pradeep Chintagunta, Joseph T. ja Chicagon yliopiston markkinoinnin arvostettu palveluprofessori Bernice S. Lewis. Hän sanoi data-analytiikasta: “Yksi asia, joka käy yhä selvemmäksi, kun alkaa tarkastella dataa, on se, että datan ja oivallusten välillä on aina aukko. Lisäksi se, että kuvio näyttää erilaiselta, ei tarkoita, että se olisi oivallus.” Lisäksi hän puhui siitä, että datatieteen ihmiset eivät ymmärrä, että data tulee ihmisiltä, joten yksityisyyttä ja datan pyhyyttä on kunnioitettava.
Lopuksi kaksipäiväinen tapahtuma korosti tarvetta ymmärtää dataa useilla sektoreilla – teollisesti ja akateemisesti. Paneelikeskusteluissa valotetaan datatieteen ja analytiikan nykytilaa sekä sitä, mitä tulevaisuus tuo tullessaan alan aloittelijoille. Lisäksi panelistit kaivautuivat syvälle henkilökohtaisiin kokemuksiinsa ja kertoivat tietoa ja näkemyksiä siitä, mikä johti heidät avaintehtäviin, joita heillä on nykyään omissa organisaatioissaan. Sekä Shiv Nadarin täydennyskoulutusakatemiaa että Machinehackia on onniteltava tällaisen ainutlaatuisen yhteistyön luomisesta tietotieteen ja analytiikan alalla työskenteleville ammattilaisille!
