8090 ची टॉप कोडर चॅलेंज
मूळ LinkedIn पोस्ट
प्रकल्पाचे GitHub रिपॉझिटरी
शुक्रवारी रात्री, Chamath Palihapitiya यांनी Twitter/X वर त्यांच्या नव्या कंपनी 8090 Solutions तर्फे आयोजित करण्यात आलेल्या खुल्या टॉप कोडर चॅलेंजची घोषणा करणारी सार्वजनिक पोस्ट केली, ती माझ्या पाहण्यात आली. यात कोणीही सहभागी होऊ शकत होते. हे चॅलेंज अगदी दुसऱ्याच दिवशी होणार होते, फक्त 8 तास चालणार होते आणि त्यात केवळ ऐतिहासिक डेटा व काही कर्मचाऱ्यांच्या मुलाखतींचा वापर करून एका ब्लॅक बॉक्स लेगसी प्रणालीचे रिव्हर्स इंजिनिअरिंग करायचे होते.
मीही यात सहभागी होण्याचे ठरवले!
दिवसाच्या अखेरीस, 425 अभियंत्यांपैकी 7वा क्रमांक मिळवण्याचा मला सन्मान मिळाला. तुम्ही लीडरबोर्ड येथे पाहू शकता आणि या चॅलेंजचा कोड येथे पाहू शकता. पण खरे सांगायचे तर, एवढ्या कमी वेळेत काहीतरी पूर्ण करता येईल अशीच मला प्रामाणिकपणे आशा होती, त्यामुळे लीडरबोर्डवर स्थान मिळणे हे माझ्यासाठी आश्चर्यकारक आणि वैयक्तिकदृष्ट्या खूप मोठे यश होते.
हे चॅलेंज एकट्याने सोडवायचे होते आणि 60 वर्षे जुन्या ब्लॅक बॉक्स प्रवास-प्रतिपूर्ती प्रणालीची प्रतिकृती तयार करणे हा त्याचा उद्देश होता. या प्रणालीचा कोणताही सोर्स कोड किंवा दस्तऐवजीकरण उपलब्ध नव्हते. आम्हाला उत्पादनाचा संक्षिप्त परिचय, कर्मचाऱ्यांच्या मुलाखतींचे उतारे आणि इनपुट व अपेक्षित आउटपुटची 1,000 ऐतिहासिक उदाहरणे असलेला सार्वजनिक डेटासेट अशा काही सामग्री देण्यात आल्या होत्या. त्यावरून, प्रतिपूर्तीची रक्कम कशी मोजली जात होती यामागील व्यावसायिक तर्काचा मला अंदाज घ्यायचा होता आणि शक्य तितके समान परिणाम देऊ शकणारी आधुनिक आवृत्ती तयार करायची होती. मूळ 1,000 उदाहरणांऐवजी 5,000 चाचणी प्रकरणे असलेल्या स्वतंत्र गुप्त डेटासेटवर सबमिशनचे मूल्यमापन करण्यात आले. हाच मोठा खाजगी संच अखेरीस तुमचा अंतिम गुण आणि क्रमवारी ठरवणारा घटक होता. गुणांकन प्रणाली अचूकतेला महत्त्व देत होती; कमी गुण म्हणजे तुमचे समाधान मूळ प्रणालीच्या गुप्त वर्तनाशी अधिक जवळून जुळते.
डेटामधील अनिश्चितता आणि नमुने समजून घेण्यासाठी, मी मूलभूत ह्युरिस्टिक्स आणि प्रोग्रामॅटिक तर्कासोबत पारंपरिक मशीन लर्निंग तंत्रांचा वापर केला. अपूर्ण संकेतांवर आधारित डेटा विश्लेषण, वैशिष्ट्यांचे मॉडेलिंग आणि नियमांचे अंदाजे अनुकरण यांचा हा काळजीपूर्वक साधलेला मिलाफ होता.
सार्वजनिक 1,000 डेटासेटवरील माझा eval गुण येथे आहे:
✅ Evaluation Summary
------------------------
Total cases : 1000
Exact matches (<$0.01): 0
Close matches (<$1.00): 17
Average error : $31.15
Score : 3214.93
AI-आधारित साधनांच्या मदतीशिवाय 8 तासांत अशा चॅलेंजसाठी समाधान विकसित करणे जवळजवळ अशक्य झाले असते; या साधनांमुळे कल्पनांचा जलद शोध घेणे, त्यांचे एकत्रीकरण करणे आणि त्यांची चाचणी करणे अधिक सोपे झाले.
हे सॉफ्टवेअर पुरातत्त्वशास्त्र आणि थेट कोडिंग स्प्रिंट यांचा मिलाफ असल्यासारखे वाटले. मी केलेल्या तांत्रिक चॅलेंजपैकी हे निःसंशयपणे सर्वाधिक तीव्र आणि समाधानकारक चॅलेंजपैकी एक होते.
असे सर्जनशील आणि प्रेरणादायी चॅलेंज आयोजित केल्याबद्दल Chamath Palihapitiya आणि Arjun Krishna यांचे आभार.
दुवे: