Sumate al desafío y explota tus habilidades digitales
Inscribite al desafío de aiUTEChallenge y elaborá el modelo predictivo que detecte los estudiantes con mayor probabilidad de abandono de UTEC. El equipo con mejor accuracy será el ganador!
La cuarta revolución industrial se compone de muchas tecnologías, la Inteligencia Artificial (AI) es una de ellas. AI genera muchas incertidumbres y oportunidades. En UTEC somos partidarios de aprovechar esas oportunidades y colaborar a resolver problemas complejos.
En esta oportunidad queremos definir qué acciones podemos tomar para fomentar la finalización de estudios. Conocer la probabilidad de abandono de los estudiantes, es sin dudas un dato muy valioso y complejo de obtener .
Te invitamos a que colabores con este objetivo de preocupación global y te desafiamos a que lo hagas con el mejor accuracy posible.
Reglas del Challenge
Sobre el Challenge
En esta edición el aiUTECchallenge está enfocado a resolver un problema puntual con la técnica de Machine Learning.
Abierto a todos los estudiantes de UTEC que estén cursando en el 2019.
Requisitos
- Deberán ser grupos de 3 participantes máximo.
- Deberán tener conocimientos de programación.
- Seleccioná el frameworks ( Pytorch, TensorFlow), o la solución (IBM, Microsoft o Amazon), que más se ajuste a tu prototipo.
Etapas
Inscripciones: 10/10 al 17/10
Curso en EDU: 21/10 al 04/11
Desarrollo: 21/10 al 10/12
Presentación de la solución: 10/12
Evaluación: 10/12 al 16/12
Entrega de premios: 17/12
¿NI IDEA DE ML?
¿Sabés programar y no tenes idea de como seguir? Inscribite al curso de apoyo aiUTEChallenge en el entorno EDU y conocé las características de cada solución (Pytorch, TensorFlow, IBM, Microsfot, AWS).
Si tenés experiencia, podés colaborar con otros. ¡Ingresá al foro y compartí tu experiencia o planteá tus dudas!
FASES DEL CHALLENGE
Inscripción: Podrán inscribirse equipos con un máximo de hasta 3 estudiantes, el estudiante que se inscriba sin equipo será invitado a formar parte de uno previo al comienzo del curso en EDU.
Admisión: Se verificará que que los participantes cursen actualmente al menos una unidad curricular en UTEC.
Acceso a Dataset: En UTEC hemos desarrollado un Sistema de Gestión de Datos, estos serán anonimizados por lo que no podrán ser referenciados a ningún estudiante.
Acompañamiento: Los estudiantes tendrán la posibilidad de realizar consultas a desarrolladores con experiencia en machine learning.
Presentación: Los tres mejores equipos deberán realizar un video en el que cuenten la solución que han desarrollado.
Premios: El equipo que logre el mejor accuracy en su modelo predictivo, tendrá una beca completa para realizar el curso Data Science and Big Data Analytics: Making Data Driven Decisions del Instituto Tecnológico de Massachusett.