В апреле 2026 года компания Loginom традиционно выступила партнером V Московского студенческого DATA-Хакатона — соревнования, объединившего 20 команд из 8 городов России и Беларуси.
V студенческий DATA-Хакатон
17–18 апреля 2026 года на базе Московского городского университета (МГПУ) прошел юбилейный, V Московский студенческий Data-Хакатон. Мероприятие традиционно привлекает команды вузов-участников нашей академической программы, и в этом году их было 11 из 18, а общее число участников — более 70 человек.
В 2026 году хакатон был посвящен задачам аналитики данных в образовании. Компания Loginom, выступая партнером мероприятия, подготовила кейс на тему «Профилирование российских университетов по открытым данным». Участникам были предложены два набора данных: «Показатели эффективности российских вузов с 2015 года» и «Рейтинг Forbes топ-100 российских университетов». Задача заключалась в том, чтобы на основе мониторинга эффективности вузов проанализировать, какие показатели помогают университетам попадать в топ‑100 Forbes и укреплять свои позиции в рейтинге.
При подготовке датасета мы добавили рейтинг Forbes, чтобы можно было сформировать целевой столбец и решать задачу машинного обучения с учителем — например, прогнозировать факт попадания в топ‑100 рейтинга или значение интегрального балла. Команды могли использовать как классические методы классификации и регрессии, так и более продвинутые алгоритмы, а также строить модели кластеризации для автоматической сегментации вузов по типам: столичные и региональные, исследовательские, опорные, педагогические и другие. В конце статьи можно скачать полный текст задания и датасет.
От участников ожидалось не только построение моделей, но и интерпретация полученных закономерностей и их перевод в практические рекомендации для конкретных университетов. На основе выявленных факторов успеха в рейтинге — качества приёма, академической среды, международной активности, репутации у работодателей и других — команды формулировали сценарии развития: какие показатели и до каких уровней стоит улучшить, чтобы повысить шансы на попадание в топ‑100 Forbes и усилить позиции российских вузов в конкурентной среде.
Жюри хакатона объединило представителей организаторов и партнеров конкурса, в том числе Московского городского университета (МГПУ), Университетского консорциума по анализу данных в образовании, компаний «Ростелеком», Loginom и других организаций. Эксперты оценивали работы по качеству анализа данных, корректности применения методов и практической полезности выводов для образования.
I место — команда Датазавры Белорусского государственного экономического университета (руководитель Шмидт Э.В.), которая уже второй год подряд приезжает на хакатон в том же составе и снова занимает первое место.
II место разделили команды БерИИделай и System team Московского городского университета (руководители — Шведова С.С. и Морозова В.А.) и DataGUUru из Государственного университета управления (руководитель Крамаренко И.В.).
III место — команда Мисис сладкий подарок от НИТУ МИСИС.
Специальный приз от Loginom за лучшее использование аналитической платформы тоже получила команда DataGUUru.
Студент 3-го курса, команда DataGUU, Государственный университет управления
Студент 3-го курса, команда DataGU, Государственный университет управления
С кейсом Loginom по профилированию российских университетов работали только две команды из числа призеров — Датазавры и DataGUUru, поэтому именно на их подходах и результатах мы остановимся подробнее. Особенностью этого года стало активное использование генеративного ИИ: команды применяли его для обогащения моделей машинного обучения и превращения сухих чисел в практические выводы и рекомендации.
Датазавры активно использовали дополнительные открытые данные: RAEX, Superjob, МОСУир, белорусскую статистику. Затем ребята очистили и нормализовали все датасеты, сократили 41 метрику до 5 ключевых факторов с помощью факторного анализа. Далее команда построила модель Ridge‑регрессии хорошего качества: коэффициент детерминации получился равным 0.76, то есть модель объясняла около 76% вариации позиций вузов в рейтинге Forbes. Отдельным шагом они упаковали всё это в удобный API‑сервис: вуз может «заглянуть в будуще» своего рейтинга, увидеть проблемные зоны по пяти факторам, получить приоритизированный список точек роста и текстовые рекомендации от языковой модели, основанные на параметрах модели.
Студент 2-го курса, команда DataGUU, Государственный университет управления
Команда DataGUUru полностью реализовала кейс профилирования российских университетов на платформе Loginom, пройдя весь путь от «сырых» данных до прогнозов и рекомендаций. Отрадно, что ребята активно использовали библиотеки готовых компонентов из нашего маркетплейса, в частности, Python Kits.
Сначала ребята поработали с входными данными: обработали пропуски (частично вручную, частично с помощью ИИ), привели неверные типы к корректным и дополнили пустые столбцы после факторного анализа, чтобы показатели разных лет можно было сравнивать между собой. Дальше команда занялась снижением размерности: сгруппировала исходные показатели в несколько факторов: Масштаб и ресурсная мощность университета, Качество приёма и академическая селективность, Международная интеграция и глобальная привлекательность, Инфраструктура и обеспеченность. Для каждого фактора они построили функцию свертки, которая переводит набор исходных метрик в одну интегральную факторную оценку. Важная особенность подхода — использование большой языковой модели (LLM) для подбора и осмысления весов в этих функциях, которая помогала сформировать гипотезы о том, какие группы показателей должны «весить» больше.
Ключевая цель моделирования заключалась в том, чтобы «достроить» выходную переменную score для тех вузов, которые не попали в список Forbes. Для этого было обучено несколько ML‑моделей на выборке из 100 вузов с известным баллом Forbes, далее их сравнили по метрикам и выбрали градиентный бустинг как лучшую модель. Затем она была применена ко всем остальным вузам. Это позволило построить единое поле значений рейтинга для всей системы российских вузов, а не только для ее «элитного» сегмента. На основе интегральных факторных оценок и предсказанных баллов команда провела кластерный анализ: выделила группы университетов с похожими профилями – от технологической и социально‑экономической элиты до массового сегмента и вузов без приёма по ЕГЭ. Для каждого кластера были описаны типичные характеристики (уровень ЕГЭ, доходы, НИОКР, международная активность), а для отдельных вузов, включая родной Государственный университет управления, сформулированы конкретные направления развития: усиление олимпиадного приема, рост англоязычных публикаций, развитие прикладных программ, работа с международными партнёрами.
Компания Loginom благодарит Московский городской педагогический университет и всех участников DATA‑Хакатона за сотрудничество и живой интерес к аналитике в образовании. Мероприятие показало: связка low‑code‑платформ и ИИ уже не эксперимент, а практический инструмент, с которым студенты уверенно решают сложные задачи на больших образовательных данных. Мы надеемся продолжить это сотрудничество и увидеть новые сильные проекты на следующих хакатонах.
Материалы по теме:
