DATAMASTERS
Международный конкурс по решению глобальных социальных задач с помощью AI & Data
Дата-комьюнити общается здесь
Решение глобальных социально-экономических задач с применением AI & DATA

Практическое развитие компетенций в государственных органах по управлению, основанному на данных и компетенций в области AI & DATA среди data-сообщества

О конкурсе
Объединение государств, сообществ, владельцев данных, IT- и Data-специалистов с целью внедрения изменений в мире
ASI Global AIGENT предлагает принять вызов
Государства, регионы, сообщества, покажите наши общие проблемы

Корпорации, поделитесь данными, это и ваши победы
Data-сообщество,
ваши знания и компетенции, помогут этому миру стать лучше
Здравоохранение

Сельское хозяйство

Городская среда

Туризм и культура

Образование

Социальная сфера

Государственные услуги

1 этап
2 этап
3 этап
>>>
>>>
конкурс задач
конкурс решений
конкурс внедрений
страны, регионы, сообщества, вузы, владельцы данных

все постановщики задач

представители data-сообщества, регионы с фрагментами кода на валидацию

2
3
1
Акселератор задач
май – июнь
Отбор задач экспертами
май
Сбор задач
1 апреля – 30 мая
4
6
5
3
1
Мастерская решений
сентябрь – октябрь
Отбор решений
август- сентябрь
Решение задач
Data-хакатоны
июнь – август
октябрь – январь
Акселерация решений
9
Отбор внедрений
Подведение итогов конкурса
7
8
1
февраль – март
Внедрение решений
при поддержке экспертов
октябрь – январь
Решить задачу с помощью технологий AI&Data
У тебя есть важная для региона или людей задача и ты хотел бы ее решить?

Мы готовы вместе с тобой ее дорабатывать и вовлекать IT- и Data-сообщество в разработку ее решения.
Лучшие решения твоей задачи могут быть внедрены как в твоем так и в других регионах страны.
Примеры задач
Критерии оценки задач
Целенаправленность задачи
Определены конечные пользователи решения (выгодоприобретатели). Задача решает значимые нерешённые и/или недостаточно успешно решённые социально-экономические проблемы.
Результативность возможного решения задачи
Наличие критериев решения задачи, их точной формулировки, способов подтверждения их выполнимости, свидетельствующие о достижении результата.
Причины возникновения задачи
Описание причин возникновения задачи: требование сообществ, нормативно-правовой базы, отраслевые особенности и т.д.
Обеспеченность данными
Наличие необходимых для решения задачи наборов данных, в том числе с использованием открытых источников. Наличие спецификаций данных и регламентов получения доступа к ним при помощи программных средств.
Уникальность задачи
Постановка задачи должна иметь существенные измеримые и важные отличия от других постановок, фокусированные на преследуемых целях.
Масштабируемость
Актуальность задачи для разных территорий, выгодоприобретателей, сфер деятельности. Высокий спрос на решения подобной задачи.
Реализуемость задачи
На основании постановки задачи можно оценить ресурсы, требуемые для её решения. Заказчик подтверждает принципиальную возможность обеспечения решения всем необходимым.
Общее впечатление эксперта о задач
Качество, недвусмысленность формулировок, грамотность и профессионализм в постановке задачи, системность подхода, конструктивность языка и так далее.

"Дата-аналитика при реализации проектов в государственном секторе" – полный курс Университета 20.35 «Дата-аналитика при реализации проектов в государственном секторе»

Снижение бедности в России и в мире
Одна из целе Всемирного банка покончить с крайней нищетой определяется с точки зрения снижения к 2030 г. уровня бедности в мире ниже 3%. На национальном уровне 193 страны приняли 25 сентября 2015 года в Организации Объединенных Наций Цели устойчивого развития в рамках Повестки дня в области развития до 2030 года. Россия ставит даже более амбициозную цель- сократить к 2024 году уровень бедности в Российской Федерации в 2 раза.

Для достижения поставленных целей мы хотели бы получить решения с использованием AI&BigData в следующих областях:

1) Создание максимально точного алгоритма по быстрому поиску и определению бедных – точное измерение самого показателя с максимальной декомпозицией характеристик малоимущих

2) Определение истинных причин бедности на основе открытых данных из разных источников

3) Сопоставление программ бедности стран и регионов с динамикой реальных показателей и определение эффективности мер поддержки/программ/стратегии – мониторинг эффективности мер по устранению бедности

4) С учетом текущей ситуации в стране и мире остро встает и вопрос прогнозирования количества бедных. Необходимо построить модель, которая будет прогнозировать количество бедных домохозяйств в регионе в целом - срок 1 год, 2 года, 3 года помесячно.
Создание алгоритма автоматической проверки «Тотального диктанта»
Сегодня не у всех участников «Тотального диктанта» есть возможность физически присутствовать на площадках его проведения в своем городе. Альтернативным вариантом участия в проекте является написание диктанта онлайн. За последние несколько лет такой формат набирает большую популярность и специалистам, которые проверяют тексты стало сложнее справляться с такой нагрузкой. Задача заключается в автоматизации проверки текста онлайн-диктанта. Сценарий проведения диктанта:

1. Есть эталонный авторский текст, к которому члены экспертного совета пишут подробные комментарии с возможными вариантами, например, постановки пунктуации в предложении. Комментарии представлены в двух видах:

  • Короткие комментарии с перечислением вариантов
  • Подробные комментарии, в которых каждая орфограмма и пунктограмма отмечается в тексте, описано конкретное правило, даются варианты в том месте, где не один вариант написания или не один вариант постановки знака. Примеры Подробными комментариями пользуются филологи в городах для проверки работ, а также сами участники. После того, как работа онлайн-участника была проверена, в его тексте отмечены места, в которых были ошибки и при наведении на ошибку разворачивается подробный комментарий, почему нужно писать именно так.

2. На странице написания онлайн-диктанта есть следующие блоки: окно трансляции, окно написания диктанта, текстовые пояснения и комментарии. После написания диктанта участник не получает сразу оценку, текст сначала закрепляется в базе за конкретным ID. Всего в день диктанта можно написать четыре части текста, но каждую только один раз.

3. Тепловая карта. После написания диктантов филологам важно проанализировать в каких местах люди чаще всего допускали ошибки. Поэтому нужно по каждому тексту составить тепловую карту, в которой ярким цветом отмечены места, где допустили ошибку больше людей. Часто бывает, что в разметке и комментариях есть неучтенные моменты. Поэтому после анализа тепловой карты нужно иметь возможность внести дополнительные комментарии в части пунктограммы и орфограммы. Есть третий вид ошибок – описки. Они отображаются участнику в тексте, но не выносятся при подсчете ошибок и не влияют на оценку.

4. Есть таблица, по которой выставляются оценки. При проверке работы подсчитывается количество ошибок орфографических и пунктуационных. При отсутствии орфографических и пунктуационных ошибок выставляется оценка «5» и т.д.

5. После написания онлайн-диктанта через неделю на сайте в коллекции диктантов появляется возможность написать проведенный ранее диктант. В этом случае оценка выставляется сразу. Результат написания также добавляется в личный кабинет, но уже не выдается сертификат.

6. Важно предусмотреть возможность встраивать окно написания и скрипт проверки на другие страницы сайта, например, в онлайн-школу диктанта.



Качественное изменение взаимодействия государства и человека
Для оценки регионов планируется сформировать набор показателей по следующим направлениям (в ходе разработке методологии, направления могут быть скорректированы):

  1. Бедность
  2. Безопасность
  3. Благосостояние
  4. Жилье, коммунальная инфраструктура и связь
  5. Здоровье
  6. Образование
  7. Общественный транспорт
  8. Спорт и досуг
  9. Экология

Участникам конкурса предлагается предложить перечень показателей по 3 и более направлениям, которые целесообразно включить в рейтинг, собираемые на основе данных при помощи алгоритмов в региональном и муниципальном разрезе, а также представить список возможных управленческих выводов, которые могут быть сделаны, опираясь на результаты по данному показателю.
Future Skills
Быстрые изменения в отраслях экономики и в технологиях могут вызвать существенные изменения на рынках труда в ближайшие годы. Бизнес во всём мире может столкнуться с рисками, вызванными недостатком квалифицированных кадров. Университеты, не понимая реальные потребности рынка, могут ошибаться в объёме и качестве подготовки кадров и люди вынуждены заниматься переобучением и переподготовкой, не видя реальных потребностей.

Государства при формировании образовательной и кадровой политики должны максимально точно понимать потенциальные перспективы развития рынка труда. Поэтому, сообщества, организации и люди нуждаются в систематическом определении профессий будущего и навыков, которые будут востребованы на рынке труда.

Задача состоит в том, чтобы при помощи технологий ИИ и аналитики данных решить задачи в следующих областях:

  • Создание алгоритмов предсказания «навыков будущего» (потенциальных наборов навыков, имеющих высокую значимость для рынков будущего), основанных на доступных открытых данных (в т.ч., kaggle, google dataset search, job search, hh, Linkedin и других):

а. Алгоритмы предсказания технологий будущего на основе сканированных научных статей и патентов, которые определяют формирующиеся технологические тренды

б. Алгоритмы предсказания возникновения «подрывных» технологий. Предсказание эволюционных путей новых технологий в существующих или появляющихся сферах на рынке

в. Алгоритмы предсказания «хайповых» технологий (могут с высокой вероятностью стать «следующими крупными явлениями», временно перегретыми потребностью в специфических технологиях и навыках)

Говоря «навыки будущего», мы подразумеваем:

а. Навыки, связанные с «подрывными технологиями» (быстро меняющихся, новых и появляющихся навыках, связанных с такими технологиями и инструментарием)

б. Развивающимися профессиональными навыками (навыки, которые, вероятно, будут меняться в течение 5-7 лет)

в. Возникновение грамотности (наборы требуемых знаний и навыков, связанных с конкретными видами взаимодействий или активностей)

г. Soft skills (фокус на наиболее важных Soft skills)

д. Навыки, связанные с «хайповыми» тенденциями


  • Создание инструментов диагностики для определения навыков в выше указанных технологических стеках. Модель должна быть полезна для: текущих навыков навыков, требующих интенсивного развития или переподготовки

  • Автоматизация в идентификации ресурсов для обучения и развития навыков, соответствующих потребностям организаций и соискателей.

  • Автоматическое распознавание текстов, аудио и видео, размещенных в цифровом пространстве.
Распознавание химических, математических, физических символов и нот в электронный шрифт Брайля
Разработанное и представленное Ильёй Оводовым в 2020 году на конкурс World AI&Data Challenge решение Angelina Braille Reader (https://datamasters.ru/digital_solutions_library/social/sol1), получившее главный приз конкурса, требует расширения своей функциональности на обработку математических, физических и химических текстов, а также нот, написанных Брайлем.

Для достижения поставленной цели необходимо разработать модули для каждого из языков, которые подготовят достаточные наборы данных для обучения и тестирования подсистемы оптического распознавания Angelina Braille Reader.

Задача, которую должны решать указанные модули, состоит в том, чтобы выполнить обратное оптическое распознавание из текста в электронный Брайль, на основании которого будут сформированы необходимые для обучения и тестирования размеченные наборы графических изображений.

Предположительно, решение должно состоять из нескольких этапов:

  1. Оптическое распознавание исходных текстов в электронный вид: включающий в себя текст на живом языке и математические формулы, записанные в нотации модуля Math для LibreOffice/OpenOffice или его аналогов (https://libreoffice.readthedocs.io/ru/latest/math.html).
  2. Преобразование электронного текста в электронный Брайль: согласно правилам написания таких текстов.
  3. Рендеринг электронных текстов Брайля в изображения фотографического качества: с разметкой, пригодных для использования решением Angelina Braille Reader.
Разработка обучающего симулятора на основе системы экологического метеопрогнозирования
В настоящее время на Останкинской телебашне работает метео-комплекс, осуществляющий сбор климатических и экологических данных.

Радиус замеров: г. Москва.

Комплекс состоит из двадцати одной метеореи, расположенных на разных высотах, а также одного наземного метеодатчика. Приборы фиксируют температуру, влажность воздуха, облачность, направление и скорость ветра, давление, грозовую активность и т.д. Уникальность данных заключается в том, что они получены с самого высоко расположенного метеорологического оборудования в России. В том числе на трех уровнях расположено оборудование, измеряющее параметры загрязнения атмосферы: азот, углекислый газ, пыль и тд.


На основе набора экологических и метеорологических данных за несколько лет, необходимо разработать систему экологического метеопрогнозирования, которая устанавливает закономерность между изменениями погодных данных и процессами в атмосфере и экологической ситуацией в городе. В результате данная система позволит получать более актуальную информацию о погоде для различных аудиторий.

На основе разработанной системы необходимо также создать обучающий симулятор, для проведения демонстраций климатических изменений в зависимости от экологических и атмосферных факторов для школьников, студентов и пр. научных сообществ, как для теоретических, так и для практических симуляций (прогнозирование погоды основываясь на реальных текущих климатических данных и теоретическое прогнозирование на основе случайных переменных).
Анализ ключевых барьеров людей с инвалидностью на основе открытых данных
По статистике в России проживает около 12 млн. людей с инвалидностью, от 40 до 80 млн. людей с ограниченными возможностями здоровья. Всего в мире более 1,3 млрд. людей с ограничениями возможностей здоровья.

В настоящий момент не существует комплексного исследования, которое бы давало представление о барьерах и потребностях таких людей, с которыми они сталкиваются в различных сферах предоставления услуг.

Необходимо провести анализ открытых источников:
  • социальные сети;
  • отзывы покупателей на сайтах и форумах;
  • инетернет-издания;
  • специализированные группы и форумы людей с инвалидностью и др.
Нозологии, которые необходимо рассмотреть:
  • слабовидящие и незрячие;
  • слабослышащие и глухие;
  • слепоглухие;
  • маломобильные группы (инвалиды-колясочники, с протезами конечностей, пожилые);
  • люди с ментальными нарушениями и особенностями развития (синдром Дауна, ДЦП, расстройства аутистического спектра, деменция, болезнь Альцгеймера и др).
Сферы услуг:
  • банковские услуги
  • розничная торговля
  • досуг и развлечения
  • культура
Зачастую бизнес не рассматривает людей с особыми потребностями в качестве своих потенциальных клиентов, в связи с чем многие сервисы и продукты остаются недоступными/непригодными для людей с ограниченными возможностями здоровья и инвалидностью. Необходимо обоснование, которое бы позволило компаниям B2C сектора принимать решения по адаптации сервисов и продуктов для различных категорий клиентов.

Существуют статистические данные по половозрастному принципу, численность по регионам, по группам инвалидности. Но нет комплексного маркетингового исследования, которое бы говорило о предпочтениях, сложностях, с которыми сталкиваются люди с инвалидностью, об их покупательской способности. http://www.cisstat.com/rus/sb_invalidnost2018.pdf https://sfri.ru/analitika/chislennost В 2018 году было проведено первое исследование о доступности сферы услуг в РФ для людей с инвалидностью - http://disq.evland.ru/wp-content/uploads/2018/09/DisQuestion_исследование_отчет.pdf
Сервис по выявлению факта развития сердечно-сосудистых заболеваний
Сервис по выявлению факта развития сердечно-сосудистых заболеваний на основании оценки сердечно-сосудистого риска.
Необходимо создать алгоритм оценки вероятности сосудистой катастрофы. Создания цифрового профиля пациента в рамках личного кабинета ЕГИСЗ. Своевременное уведомление пациента при помощи автоматической рассылки-приглашения на профилактику ССЗ на основании результатов Machine Learning. Уведомления врача при помощи сервиса о группе риска пациента в ЕГИСЗ и разработки индивидуальных рекомендаций по обследованию и лечению.
Гипотезы задачи:
Мы предполагаем, что взаимосвязь данных о состоянии физического здоровья (признаков оценки сердечно-сосудистого риска), трудовой деятельности и факта возникновения ССЗ дает возможность создать алгоритм оценки вероятности сосудистой катастрофы (инфаркт или инсульт).
Предполагаемые факторы:
  • возраст
  • пол
  • уровень артериального давления
  • общий холестерин
  • факт курения
  • место работы
  • трудовой стаж
  • факт наличия ССЗ
За основу для составления алгоритма оценки вероятности сосудистой катастрофы предлагаем использовать Европейскую шкалу для расчета риска смерти от сердечно-сосудистого заболевания в ближайшие 10 лет «SCORE».
  • https://ru.wikipedia.org/wiki/Сердечно-сосудистый_риск
  • https://ru.wikipedia.org/wiki/Сердечно-сосудистый_риск#Шкала_SCORE
Верификатор доступности цифровых продуктов для людей с ограниченными возможностями здоровья
Создать верификатор, который позволяет оценить уровень доступности сайта и приложения для людей с различного рода инвалидностью: полная и частичная потеря зрения, особенности зрения, полная и частичная потеря слуха, полная или частичная потеря функций речи, физические ограничения при использовании цифрового продукта, ментальные нарушения.
Доступность использования оценивается в соответствии с заданными стандартами доступности The World Wide Web Consortium (W3C) и ГОСТам и рекомендациями Российской Федерации.
Система должна быть на русском и английском языках, предоставлять информацию не только об ошибках, но рекомендации по их исправлению.
Система должна включать себя чекер для сайтов и для приложений. Понятный и простой для пользователя, где можно проверять как действующие сайты и приложения, так и прототипы.
Система должна показывать уровень доступности по шкале измерения (например, в процентах или в уровнях) , которую установит разработчик в целом и для каждой отдельной нозологии (в какой степени доступно для людей с потерей зрения, слуха, речи с физическими и ментальными ограничениями), показывать в каких местах имеются ошибки и какие необходимо внести изменения, а также предоставлять развернутый отчет об уровне адаптированности сайта/ приложения в разрезе отдельных функций, которые можно осуществлять на сайте или в приложении. Отчет можно будет увидеть его онлайн, а также получить на почту. Отчет должен быть понятен не только программистам, разработчикам и дизайнерам, но и обычным людям, которые просто хотят узнать доступен этот сайт или нет. По итогу всех проверок, система составляет рейтинг доступности проверенных сайтов, определяя их в разные зоны доступности (например, зеленая, желтая, красная). Рейтинг должен быть скрытым и доступным только для администратора платформы.
По возможности необходимо найти решение, при котором система самостоятельно подгружает новые требования к сайтам и приложениям, потому что W3C, Apple, Аndroid постоянно совершенствуют свои требования и их необходимо учитывать.
Социальная сфера
Видеозаписи вебинаров с экспертами в AI & Data
Попечительский совет
Российские эксперты
Международные эксперты
Региональные эксперты
Команда конкурса
Попечительский совет

Дмитрий Чернышенко
Заместитель Председателя Правительства Российской Федерации, Председатель Попечительского совета Конкурса
Светлана Чупшева
Генеральный директор АНО «Агентство стратегических инициатив по продвижению новых проектов», Заместитель Председателя Попечительского совета
Андрей Никитин
Губернатор Новгородской области
Наталья Сибирева
Заместитель Председателя Правительства Калининградской области
Эдуард Лысенко
Министр Правительства Москвы, руководитель Департамента информационных технологий города Москвы
Максим Егоров
Заместитель Министра строительства и жилищно-коммунального хозяйства Российской Федерации
Максим Паршин
Заместитель Министра цифрового развития, связи и массовых коммуникаций Российской Федерации
Павел Малков
Руководитель Федеральной службы государственной статистики
Павел Шевцов
Заместитель руководителя Россотрудничества
Анна Серебряникова
Президент Ассоциации больших данных
Владислав Федулов
Заместитель Министра экономического развития Российской Федерации
Иван Бегтин
Директор, учредитель АНО «Информационная культура»
Василий Буров
Соучредитель АНО «Информационная культура», основатель WikiVote!
Игорь Алексеев
Директор по взаимодействию с государственными органами и корпоративным отношениям ООО «Яндекс»
Максим Еременко
Старший управляющий директор – директор управления развития компетенций по исследованию данных ПАО Сбербанк
Геворк Вермишян
Генеральный директор ПАО «МегаФон»
Владимир Габриелян
Первый заместитель генерального директора ООО «Mail.ru.group»
Артем Засурский
Вице-президент, руководитель Департамента стратегии АФК «Система»
Рено Селигманн
Директор и постоянный представитель Всемирного банка в Российской Федерации, Европе и Центральной Азии
Нина Яныкина
Генеральный директор АНО «Университет Национальной технологической инициативы 2035»
Руслан Ибрагимов

Член Правления- Вице-президент по взаимодействию с органами государственной власти и связям с общественностью ПАО "МТС"
Максим Шерейкин
Советник генерального директора АО «Почта России»
Кирилл Булатов
Директор Ассоциации «Альянс в сфере искусственного интеллекта»

Российские эксперты

Владимир Авербах
Управляющий директор центра исследования данных для государственных органов в ПАО «Сбербанк»
Андрей Ярыгин
Руководитель направления центра исследования данных для государственных органов ПАО «Сбербанк»
Станислав Ашманов
Генеральный директор компаний «Наносемантика», «Нейросети Ашманова»
Елена Бочерова
Исполнительный директор Акронис Инфозащита
Алексей Драль
Основатель компании Big Data Team
Марина Жунич
Директор по взаимодействию с органами государственной власти компании «Google Россия»
Алексей Натёкин
Основатель сообщества ODS
Александр Ханин
Вице-президент по искусственному интеллекту ПАО "МТС"
Виктор Кантор
Директор центра Big Data ПАО "МТС"
Аркадий Сандлер
Эксперт в AI&Data
Артур Хачуян
Генеральный директор Tazeros Global Systems
Алёна Дробышевская
Руководитель направления развития сервисов машинного обучения Яндекс Облако
Павел Белоусов
Заведующий кафедрой Национального исследовательского ядерного университета «МИФИ» Обнинского института атомной энергетики (ИАТЭ) (Worldskills Russia)
Дмитрий Онтоев
Начальник аналитического управления ГКУ «Инфогород»
Ярослав Еферин
Эксперт Глобальной практики цифрового развития Всемирного банка
Дмитрий Сошников
Ведущий эксперт по AI и машинному обучению компании Microsoft
Иван Ямщиков
AI-евангелист компании ABBYY
Евгений Несвижский
Руководитель по развитию больших данных и финансовых услуг ПАО «Вымпелком» (Билайн)
Леонид Чёрный
Chief Data Officer ПАО «МегаФон»
Алексей Малеев
Проректор по международным программам и цифровым инновациям Московского физико-технического института (МФТИ)
Алексей Белоусов
Руководитель сервиса Рекомендаций по шагу развития АНО "Университет Национальной технологической инициативы 2035"
Владимир Новоселов
CIO группы компаний Realweb
Лёля Жвирблис
Руководитель группы исследований, Mos.ru
Алексей Нейман
Исполнительный директор НО «Ассоциация участников рынка данных»
Ольга Пархимович
Руководитель проектов АНО «Информационная культура», куратор проектов «Госзатраты»
Елена Гоголева
Эксперт, Промсвязьбанк
Мамаев Александр
Руководитель группы анализа данных, Mail.ru Group
Шпильман Алексей
Руководитель программ развития технологий и инструментов искусственного интеллекта
Центр разработки и монетизации данных
ПАО «ГАЗПРОМ НЕФТЬ»
Международные эксперты

Амит Гупта
Генеральный директор Ecosystm (Сингапур)
Рандип Судан
Основатель Multiverz (Сингапур)
Ульрих Лоффлер
Операционный директор Ecosystm (Сингапур)
Кристин Лю
Руководитель отдела закупок партнеров в RecruiterPal, (Сингапур)
Сарвар Абдуллаев
Доцент Университет Инха (Узбекистан)
Тревор Монро
Старший операционный директор, Аналитики данных и инструментов Группы Всемирного Банка (США)
Рэйчел Халсема
ИТ-Специалист, Эксперт Информационных и технологических решений Всемирного банка (США)
Самуэль Фрейе-Родригес
Экономист Глобальной практики по вопросам борьбы с бедностью Всемирного банка (США)
Тимур Бакибаев
Профессор «Алматы Менеджмент Университет» (Казахстан)
Ку Сенменг
Старший заместитель директора по инновациям в ИИ, AI Singapore
Региональные эксперты
Артемчук Михаил Васильевич
Директор центра информационных и образовательных технологий
ФГБОУ ВО Амурский государственный университет (АмГУ)
Амурская Область
Эрман Евгений Анатольевич
Заместитель директора филиала-Директор по прикладным проектам Астраханского филиала
ПАО Ростелеком
Астраханская область
Кравец Алла Григорьевна
Профессор кафедры САПРиПК ВолгГТУ
ФГБОУ ВО ВолгГТУ
Волгоградская область
Веснин Евгений Николаевич
Технический директор
Малленом Системс
Вологодская область
Григорьев Станислав Валентинович
Руководитель Центра компитенций по анализу и управлению на основе данных, заместитель директора Института информаионных технологий и анализа данных, доцент ИТ, кандидат наук
Иркутский национальный исследовательский технический университет
Иркутская область
Крыжевич Леонид Святославович
И.о. зав. кафедрой информационной безопасности
КГУ
Курская область
Головачев Владимир Владимирович
Ведущий эксперт
DataLab
Москва
Филимонов Андрей Викторович
Доцент
Мосполитех
Московская область
Филиппович Андрей Юрьевич
Декан ИТ-факультета
Мосполитех
Московская область
Кугаевских Александр Владимирович
Доцент каф. КТ
НГУ
Новосибирская область
Терещенко Сергей Николаевич
Заведующий кафедрой, директор центра машинного обучения
НГУЭУ
Новосибирская область
Орел Егор Олегович
Аспирант
Новосибирская область

Сиганов Илья Дмитриевич
Разработчик, специалист по ML
7bits
Омская область
Хаптахаева Наталья Баясхалановна
Начальник отдела подготовки кадров высшей квалификации
ФГБОУ ВО Восточно-Сибирский государственный университет технологий и управления
Республика Бурятия
Тимофеев Александр Николаевич
Генеральный директор
ООО "СибДиджитал"
Республика Бурятия
Неукрытый Андрей Валериевич
Руководитель
НАЦЭ
Республика Крым
Сокольников Антон Анатольевич
Data Solutions Architect
Mars Inc.
Республика Мордовия
Хорошко Максим Болеславович
Директор
Веб-студия "Сокол"
Ростовская область
Кумова Светлана Валентиновна
Директор центра компьютерной графики и технологий мультимедиа, доцент
Саратовский государственный технический университет
Саратовская область
Зобнина Татьяна Васильевна
Старший аналитик-разработчик систем машинного обучения
Naumen
Свердловская область
Артюгин Олег Юрьевич
Директор проектов
Сбербанк
Свердловская область
Чернышов Юрий Юрьевич
К.ф.-м.н., доцент кафедры "Информационные технологии и защита информации"
УрГУПС, Исследователь в ГК "УЦСБ"
Свердловская область
Соломонов Дмитрий Владимирович
Доцент кафедры информационной безопасности автоматизированных систем Института информационных технологий и телекоммуникаций Северо-Кавказского федерального университета
СКФУ
Ставропольский край
Гапич Александр Эрикович
Заместитель директора по научной работе, доцент кафедры социологии Института образования и социальных наук Северо-Кавказского федерального университета
СКФУ
Ставропольский край
Федоров Дмитрий Алексеевич
Доцент кафедры ИВТ, зам. директора политехнического института
БУ ВО СурГУ
ХМАО - Югра
Павлов Сергей Игоревич
Старший преподаватель
БУ ВО СурГУ
ХМАО - Югра
Сенцов Андрей Сергеевич
Начальник отдела ERP систем и докментооборота
Уралэнергосбыт
Челябинская область
Наумов Денис Владимирович
Первый проректор
ЯГТУ
Ярославская область
Герасимов Антон Владимирович
Руководитель отдела ИТ
Арватор Рус
Ярославская область
Кошкаров Александр Васильевич
Доцент кафедры ИТ
АстГУ
Астраханская область
Ольга Долина
Директор Института прикладных информационных технологий и коммуникаций
СГТУ имени Гагарина Ю.А.
Саратовская область
Максим Ледков
Генеральный директор
МТМ Групп Регион
Калужская область
Кирилл Поляков
Руководитель департамента по реализации проектов
АНО "Цифровой регион"
Рязанская область
Антон Тюков
Генеральный директор
Мастерская смыслов "Стратосфера"
Волгоградская область
Артём Шмарёв
Руководитель центра компетенций НСИ
АО «БДО Юникон Бизнес Солюшнс»
Санкт-Петербург
Константин Ушенин
Руководитель образовательной программы
Уральский Федеральный Университет. (РОП УрФУ),
(м.н.с. ИИФ УрО РАН)
Свердловская область

Команда конкурса

Вера Адаева
Директор Центра цифрового развития АСИ
Яна Коваленко
Директор проектов Центра цифрового развития АСИ
Валерия Хатян
Руководитель проекта Центра цифрового развития АСИ
Светлана Гиляровская
Руководитель программы Центра цифрового развития АСИ
Татьяна Заикина
Руководитель проекта Центра цифрового развития АСИ
Андрей Петров
Руководитель программы Центра цифрового развития АСИ
Алексей Коробов
Директор проектов Центра цифрового развития АСИ
По всем вопросам пишите на почту contest@datamasters.ru или в наш чат
Партнёры
Официфльный партнёр
Официальный партнёр
Технологический партнёр
Close
Остались вопросы? Свяжитесь с нами!
Нажимая на кнопку, вы даете согласие на обработку персональных данных
Документы

Новости

.
Контакты
Адрес: 121099, г. Москва, ул. Новый Арбат, д. 36
Телефон: +7 495 690-91-29
+7 (926) 246-02-51
Факс: +7 495 690-91-39
E-mail: contest@datamasters.ru
Сайт: asi.ru