Desafio dos Melhores Codificadores da 8090
Post Original no LinkedIn
Repositório GitHub do Projeto
Na noite de sexta-feira, vi uma publicação pública no Twitter/X de Chamath Palihapitiya anunciando um Desafio Aberto dos Melhores Codificadores hospedado por sua nova empresa, 8090 Solutions. Qualquer pessoa podia participar. O desafio aconteceria no dia seguinte, duraria apenas 8 horas e envolveria a engenharia reversa de um sistema legado de caixa-preta usando apenas dados históricos e algumas entrevistas com funcionários.
Decidi entrar!
Ao final do dia, tive a honra de ficar em 7º lugar entre 425 engenheiros. Você pode conferir o ranking AQUI e conferir o código para este desafio AQUI. Mas, não vou mentir, eu estava honestamente só esperando conseguir terminar algo dentro desse curto período de tempo, então entrar no ranking foi uma surpresa e uma enorme vitória pessoal para mim.
O desafio era individual, e o objetivo era replicar um sistema de reembolso de viagens de caixa-preta com 60 anos de existência que não tinha código-fonte nem documentação. Recebemos alguns artefatos, incluindo um resumo do produto, transcrições de entrevistas com funcionários e um conjunto de dados público contendo 1.000 exemplos históricos de entradas e saídas esperadas. A partir disso, eu tive que inferir a lógica de negócio por trás de como os valores de reembolso eram calculados e implementar uma versão moderna que pudesse produzir os mesmos resultados o mais próximo possível. As submissões foram avaliadas em um conjunto de dados oculto separado que continha 5.000 casos de teste em vez dos 1.000 originais. Esse conjunto privado maior foi o que, em última análise, determinou sua pontuação final e sua classificação. O sistema de pontuação recompensava a precisão, onde uma pontuação mais baixa significava que sua solução correspondia mais de perto ao comportamento oculto do sistema original.
Para lidar com a incerteza e os padrões nos dados, usei técnicas clássicas de aprendizado de máquina juntamente com heurísticas básicas e lógica programática. Foi uma combinação cuidadosa de análise de dados, modelagem de recursos e aproximação de regras com base em pistas imperfeitas.
Aqui estava minha pontuação de eval para o conjunto público de 1.000 dados:
✅ Resumo da Avaliação
------------------------
Casos totais : 1000
Correspondências exatas (<$0.01): 0
Correspondências próximas (<$1.00): 17
Erro médio : $31.15
Pontuação : 3214.93
Desenvolver uma solução para um desafio assim em 8 horas teria sido quase impossível sem a ajuda de ferramentas com tecnologia de IA que tornaram mais fácil explorar, integrar e testar ideias rapidamente.
Parecia arqueologia de software combinada com uma maratona de programação ao vivo. Facilmente um dos desafios técnicos mais intensos e recompensadores que já fiz.
Obrigado a Chamath Palihapitiya e Arjun Krishna por organizarem um desafio tão criativo e inspirador.
Links: