8090'un En İyi Kodlayıcı Mücadelesi
Orijinal LinkedIn Gönderisi
Projenin GitHub Deposu
Cuma gecesi, Twitter/X’te Chamath Palihapitiya’nın yeni şirketi 8090 Solutions tarafından düzenlenen açık bir En İyi Kodlayıcı Mücadelesini duyuran herkese açık bir paylaşım gördüm. Herkes katılabilirdi. Mücadele ertesi gün yapılacaktı, sadece 8 saat sürecekti ve yalnızca tarihsel veriler ile birkaç çalışan röportajını kullanarak siyah kutu bir eski sistemi tersine mühendislikle çözmeyi gerektiriyordu.
Ben de katılmaya karar verdim!
Günün sonunda, 425 mühendisin arasından 7. sırada yer almaktan onur duydum. Liderlik tablosuna BURADAN bakabilirsiniz ve bu mücadelenin koduna BURADAN bakabilirsiniz. Ancak dürüst olmak gerekirse, asıl beklentim o kısa süre içinde bir şeyleri tamamlayabilmekti; bu yüzden liderlik tablosuna girmek benim için bir sürpriz ve büyük bir kişisel başarı oldu.
Mücadele tek kişilikti ve amaç, kaynak kodu ve dokümantasyonu olmayan 60 yıllık bir siyah kutu seyahat geri ödeme sistemini kopyalamaktı. Bize bir ürün özeti, çalışan röportajlarının dökümleri ve girişlerin ile beklenen çıktılarının 1.000 tarihsel örneğini içeren herkese açık bir veri kümesi dahil olmak üzere birkaç parça materyal verildi. Bundan yola çıkarak, geri ödeme tutarlarının nasıl hesaplandığının ardındaki iş mantığını çıkarmam ve aynı sonuçları mümkün olduğunca yakından üretebilen modern bir sürüm uygulamam gerekiyordu. Gönderimler, orijinal 1.000 yerine 5.000 test vakası içeren ayrı bir gizli veri kümesi üzerinde değerlendirildi. Bu daha büyük özel küme, nihai puanınızı ve sıralamanızı belirleyen şey oldu. Puanlama sistemi doğruluğu ödüllendiriyordu; daha düşük bir puan, çözümünüzün orijinal sistemin gizli davranışıyla daha yakından eşleştiği anlamına geliyordu.
Verilerdeki belirsizlik ve örüntülerle başa çıkmak için, temel sezgisel yöntemler ve programatik mantıkla birlikte klasik makine öğrenimi tekniklerini kullandım. Bu, eksik ipuçlarına dayanarak veri analizi, özellik modelleme ve kural yaklaştırmanın dikkatli bir birleşimiydi.
Herkese açık 1.000 veri kümesi için benim eval puanım şöyleydi:
✅ Değerlendirme Özeti
------------------------
Toplam vaka : 1000
Tam eşleşmeler (<$0.01): 0
Yakın eşleşmeler (<$1.00): 17
Ortalama hata : $31.15
Puan : 3214.93
8 saat içinde böyle bir mücadeleye bir çözüm geliştirmek, fikirleri hızlıca keşfetmeyi, entegre etmeyi ve test etmeyi kolaylaştıran yapay zekâ destekli araçların yardımı olmadan neredeyse imkânsız olurdu.
Bu, canlı bir kodlama sprintiyle birleşmiş bir yazılım arkeolojisi gibiydi. Yaptığım en yoğun ve en ödüllendirici teknik mücadelelerden biri, çok kolay şekilde.
Böyle yaratıcı ve ilham verici bir mücadeleyi organize ettikleri için Chamath Palihapitiya ve Arjun Krishna’ya teşekkür ederim.
Bağlantılar: