 |
В России создают первую платформу для краудсорсинга данных для технологических проектов и исследований
Платформу для краудсорсинга данных для технологических и исследовательских проектов Common Data представили на интенсиве по искусственному интеллекту «Архипелаг 20.35». Проект призван упростить сбор данных для различных исследований – научных, социальных, экологических. Авторами Common Data стали участники и выпускники Кружкового движения НТИ из Москвы, Московской области, Ставропольского края, Краснодарского края и других регионов.
По словам руководителя разработки Common Data, участницы Кружкового движения НТИ Анастасии Гисиной, практически каждый исследовательский проект сталкивается с проблемой формирования датасета (набора данных). Открытые данные часто являются некачественными и редко полностью подходят для решения той или иной задачи.
«Мы предлагаем универсальную платформу, на которой любой проект сможет формировать датасет под конкретную задачу с помощью краудсорсинга данных. Каждый интернет-пользователь может с помощью Common Data «задонатить» не деньги, а свои данные в ту программу или проект, который кажется ему значимым и интересным. Например, анонимно предоставить данные для исследования каких-то экологических или городских проблем и пр. Важно отметить, что платформа обеспечивает контроль, приватность и защиту персональных данных. Пользователь всегда знает, что происходит с его данными, и каких результатов достигли проекты, благодаря им», – пояснила соруководитель проекта Common Data Анастасия Гисина.
Команда проекта полностью состоит из участников и выпускников Кружкового движения НТИ, которые выступают в роли разработчиков, аналитиков, специалистов по привлечению пользователей, специалистов по UX (удобству взаимодействия пользователя с платформой) и пр. Это школьники и студенты, которые в разные годы становились победителями и призерами инженерных олимпиад, участвовали в проектных школах и хакатонах «Практики будущего» и других инициативах Кружкового движения.
Как пояснила второй соруководитель проекта Common Data, специалист по информационной безопасности и приватности, Ксения Гнитько, работа над проектом ведется с весны 2020 года. Участие в образовательной и акселерационной программе «Архипелаг 20.35» позволит вывести проект на новый уровень и масштабно заявить о нем. Команда участвует в мастер-классах, лабораториях, встречах с экспертами в области искусственного интеллекта (ИИ) и параллельно дорабатывает платформу, чтобы к концу акселератора представить ее на рынке.
«Участие в профильном интенсиве ИИ для нас крайне ценно, поскольку Common Data использует методы машинного обучения и искусственного интеллекта для улучшения качества получаемых данных и увеличения вовлеченности пользователей, – подчеркнула соруководитель проекта Ксения Гнитько. - Сейчас Common Data находится на стадии MVP. Мы планируем в ноябре выйти на рынок и уже в декабре иметь на платформе не менее ста проектов. Задача следующего года – масштабироваться на международный рынок».
«Архипелаг 20.35» – один из самых масштабных профильных акселераторов по искусственному интеллекту в мире. Это онлайн-интенсив по формированию и акселерации команд, способных создавать коммерческие проекты в области искусственного интеллекта для опережающего технологического развития. Отбор на «Архипелаг» прошли 797 команд, в более 170 из них работают участники и выпускники Кружкового движения НТИ – школьники и студенты из разных городов.
«Очень интересно наблюдать, как молодые технологические энтузиасты, выросшие в Кружковом движении НТИ, сегодня становятся настоящими технологическими командами, создают конкурентоспособные продукты и соревнуются на одном поле со взрослыми, опытными разработчиками. Авторы проекта Common Data обратили внимание, пожалуй, на самую актуальную проблему для всех, кто работает с искусственным интеллектом и анализом данных – на проблему сбора этих самых данных под конкретные задачи, - подчеркнула ректор Университета 20.35 Нина Яныкина. - Возможно, такие платформы в ближайшее время станут основной площадкой для реализации большинства исследований, основанных на анализе данных, и мы рекомендуем инвестировать в это как можно скорее».
Интенсив «Архипелаг 20.35» проводился в рамках программы «Цифровая экономика России», федерального проекта «Искусственный интеллект», а также дорожных карт Национальной технологической инициативы.
Контактное лицо: Анна Леонтьева
Компания: Кружковое движение НТИ
Добавлен: 15:17, 25.11.2020
Количество просмотров: 399
Страна: Россия
| Axenix проведет в ИТМО образовательный курс по ИТ-архитектуре, Axenix, 21:39, 17.09.2025, Россия135 |  |
| Консалтинговая технологическая компания Axenix запускает Архитектурную школу в Университете ИТМО. В ходе цикла лекций и практических занятий эксперты компании познакомят студентов с самыми актуальными методиками, инструментами и технологиями проектирования ИТ-решений. |
| «1С:Магазин одежды и обуви» получил сертификат «1С:Совместимо», 1С-Рарус, 21:38, 17.09.2025, Россия138 |
| «1С:Розница 8. Магазин одежды и обуви» редакции 3.0 в очередной раз прошел сертификацию «Совместимо! Система программ 1С:Предприятие». Продукт создан компаний «1С-Рарус» на базе «1С:Розница» специально для магазинов одежды, обуви, аксессуаров и спортивных товаров. |
| Axenix поможет повысить эффективность кастомных разработок ПО для бизнеса, Axenix, 23:22, 16.09.2025, Россия196 |  |
| Компания Axenix запускает услугу экспертной поддержки ИТ-подразделений крупных компаний и инсорсинговых команд разработки – DevBoost. Специалисты Axenix проанализируют процессы разработки, оценят риски при сохранении текущих подходов и возможности для применения лучших практик, сформируют поэтапный план повышения эффективности. |
| Navicon запускает услугу «Проектная команда под ключ», Navicon, 23:22, 16.09.2025, Россия182 |  |
| Системный интегратор и разработчик Navicon запустил новую услугу — формирование проектных команд под конкретные задачи заказчиков. Она подразумевает комплектование команды в точном соответствии с требуемыми клиенту ролями и компетенциями, что позволяет решить проблему дефицита ИТ-кадров. Услуга работает по модели Time&Material. |
|
|
