AGRO_AI_HACK
ПЕРВЫЙ СРЕДИ АГРО-ВУЗОВ ИИ ХАКАТОН
AGRO_AI_HACK
ПЕРВЫЙ СРЕДИ АГРО-ВУЗОВ ИИ ХАКАТОН
Когда: 27-29 ноября
Офлайн и онлайн
Оставить заявку
Для студентов и специалистов в области IT
КОНЦЕПЦИЯ
- Хакатон “Agro_AI_Hack" — это соревнование по решению актуальных ИТ-кейсов в сфере искусственного интеллекта, фудтеха и финтеха в течение 2-3 дней (информация уточняется).
- Участники (программисты, дизайнеры, инженеры, предприниматели) объединятся в команды для создания инновационных ИТ-решений, цифровых продуктов или прототипов программного обеспечения (ПО).
- Цель мероприятия — генерация новых идей и продуктов, которые могут стать основой для стартапов или новых бизнес-направлений, а также поиск талантливых кадров.
| ОСТАВИТЬ ЗАЯВКУ |
ОСНОВНЫЕ ЗАДАЧИ ХАКАТОНА
- ПроблематикаРешение актуальных кейсов в сфере искусственного интеллекта, фудтеха, финтеха.
- ИновацииСоздание прототипов новых продуктов, технологий или услуг.
- СотрудничествоПоддержка взаимодействия между партнерами хакатона, участниками и ВУЗами.
- Поиск кадровОбнаружение перспективных специалистов для дальнейшего сотрудничества.
КЛЮЧЕВЫЕ ЭТАПЫ
1
Подготовительный отбор
Участникам выдаются тестовые задания и 3 дня на решение. Те, кто справился, проходят во второй этап.
2
Подготовка
Подготовка помещений к проведению хакатона, настройка дискорда для онлайн-участников (1 неделя).
3
Основной этап
Работа команд над заданиями на площадке или онлайн (2-3 дня).
4
Презентация проектов
Демонстрация результатов жюри и инвесторам (финал).
5
Награждение победителей
Оценка проектов и распределение призов (финал).
Используемые кейсы
Разработка алгоритма, который способен автоматически измерять площадь листьев растений на основе изображений и видео. Это может помочь в мониторинге здоровья растений и оценке их роста.
Создание системы видеоаналитики для отслеживания поведения и физиологических изменений сельскохозяйственных животных. Это может включать в себя анализ походки, движения и других биометрических параметров для оценки состояния здоровья и благополучия животных.
Использование спутниковых снимков для идентификации зон с различным уровнем продуктивности на сельскохозяйственных полях. Алгоритм должен анализировать данные дистанционного зондирования для оптимизации использования ресурсов и повышения урожайности.
Разработка модели машинного обучения для раннего выявления мастита у крупного рогатого скота на основе анализа образцов молока. Это позволит фермерам быстро реагировать на заболевание и минимизировать потери.
Наши партнеры:
