ИТОГИ ХАКАТОНА
Разработать ML-модель для автоматической классификации минералов по данным растровой электронной микроскопии (РЭМ). На основе химического элементного состава образца модель должна определять тип минерала, заменяя ручной труд эксперта-геолога
Победители:
🥇 место: команда «Корэтест»
Яркова Наталья, Савин Антон
🥈 место: команда «ИМиФИльтр»
Глазков Илья, Корнилова Маргарита
Создать модель глубокого обучения для автоматической сегментации геологических разломов в трехмерных сейсмических объемах. Задача— для каждой точки пространства определить, относится ли она к зоне разлома
Победители:
🥇 место: команда «ИМиФИльтр»
Глазков Илья, Корнилова Маргарита
🥈 место: команда «Огурец»
Леонов Ярослав
Разработать алгоритм интеллектуального сжатия и восстановления ансамблей геологических и гидродинамических моделей. Решение должно значительно превосходить стандартные архиваторы, сохраняя при этом возможность запуска расчетов на восстановленных моделях.
Победители:
🥇 место: команда «ИМиФИльтр»
Глазков Илья, Корнилова Маргарита
🥈 место: команда «Огурец»
Леонов Ярослав
В преддверии конференции состоялся Хакатон по машинному обучению в нефтегазовой отрасли.
Мы подготовили расширенную программу с тремя разноплановыми задачами — от классического анализа табличных данных до передовых методов научного машинного обучения (Scientific ML). Каждый участник выбрал направление по своим интересам и компетенциям: компьютерное зрение, физико-информированные нейросети, алгоритмы сжатия данных или работу с геохимическими данными.
20 марта 2026 г. - открытие регистрации на Хакатон
1 июня 2026 г. - объявление победителей Хакатона
- Машинное обучение открывает новые горизонты для повышения эффективности и устойчивости процессов в нефтегазовом секторе. Мы предлагаем вам возможность продемонстрировать свои навыки работы в команде и создать прототипы, которые могут стать основой для будущих технологий как крупных компаний, так и локальных проектов.
Можно участвовать командой, можно участвовать одному.Для участников подготовлено три задания. Участвовать можно как в одном из заданий, так и в нескольких. По каждому заданию будет определено лучшее решение.
- Необходимые навыки
- Основы программирования на Python
- Создание моделей машинного обучения
- Обработка данных и валидация результатов
- Оптимизационные алгоритмы
- Знания в области геологии
- Умение работать с библиотеками pandas, numpy, sklearn
- Python версии 3.9 и выше
Разработать ML-модель для автоматической классификации минералов по данным растровой электронной микроскопии (РЭМ). На основе химического элементного состава образца модель должна определять тип минерала, заменяя ручной труд эксперта-геолога.
Автоматическое выделение разломов по 3D сейсмическим данным
Создать модель глубокого обучения для автоматической сегментации геологических разломов в трехмерных сейсмических объемах. Задача — для каждой точки пространства определить, относится ли она к зоне разлома.
SmartModelCompression — Умное сжатие геологических моделей
Разработать алгоритм интеллектуального сжатия и восстановления ансамблей геологических и гидродинамических моделей. Решение должно значительно превосходить стандартные архиваторы, сохраняя при этом возможность запуска расчетов на восстановленных моделях.
-
1 место- Бесплатное участие в конференции «Интеллектуальный анализ данных в нефтегазовой отрасли 2026» на 1 человека
- Бесплатное членство в АГГИ на 2027 г.
- Подарки участникам команды
-
2 место- Бесплатное членство в АГГИ на 2027 г.
- Подарки участникам команды
Победители Хакатона приглашены на конференцию для представления и обсуждения своих решений с участниками.
Интеллектуальный анализ данных
в нефтегазовой отрасли
- Первое приглашение
- Спонсорская брошюра
- Шаблон для оформления тезисов
- Шаблон презентации 16х9
- Программа
Координатор конференции:
Мария Девишева
Тел.: +7 495 640-20-08
E.: datascience@geomodel.ru
Тelegram канал: https://t.me/datascienceinoilandgas