От школьного проекта до BirdCLEF: как я прошла через НТО, бессонные ночи на Kaggle и погоню за медалями

Всё началось с 10 класса школы. Тогда у меня не было никаких медалей, дипломов и призовых мест. Был только проект, научный руководитель и идея, которую хотелось превратить во что‑то интересное. Я не представляла, что в будущем смогу сама создавать технологии, ведь всегда думала, что это подвластно только опытным инженерам, прошедшим длинный карьерный путь. Но я сильно ошибалась, пока не попала в сферу искусственного интеллекта.

Тогда я даже не знала, что такое Kaggle и Kaggle Expert, как оптимизировать решения для соревнований, не представляла, в каких крупных мероприятиях мне предстоит поучаствовать и точно не думала, что смогу добиться каких‑то успехов в этой сфере. Я почти ничего не знала. На начало 10 класса я умела только программировать на языке Python простые задачки.

В этой статье я хочу поделиться своей историей о развитии в искусственном интеллекте и машинном обучении. Это не инструкция, как получить медали и завоевать всеобщее признание. Это всего лишь маленький рассказ о моих карьерных достижениях, а если быть точнее — через что я проходила, и какие трудности меня поджидали на этом пути. Приятного прочтения!

GPTeacher: проект, с которого всё началось

Итак, начало 10 класса. У нас начинается предмет «индивидуальный проект». Я любила учить иностранные языки, на тот момент я одновременно изучала два языка. Я долго думала и решила связать именно это со своей идеей проекта. Так появился GPTeacher — виртуальный преподаватель иностранных языков. Идея заключалась в том, чтобы люди, желающие попрактиковать разговорную речь на иностранном языке, могли делать это, не выходя из дома. Также проект мог сильно облегчать нагрузку учителей и помогать преподавателям. Система распознавала речь ученика, преобразовывала её в текст, а затем обрабатывала ответы. Были использованы технологии распознавания речи и такие библиотеки как: Vosk, Yandex SpeechKit и другие. Идея состояла в том, чтобы сделать обучение более интерактивным и давать обратную связь. Это была попытка создать цифрового преподавателя с множеством различных дополнительных функций и возможностью взаимодействия практически как на обычном занятии.

Конечно, сейчас я понимаю, что GPTeacher был далёк от настоящего промышленного продукта, который можно продвигать в массы. Были неполадки, часто речь не совсем корректно распознавалась — всё могло зависеть от качества микрофона, который используется, от количества шума вокруг, от произношения. Технологии стремительно развиваются, поэтому приходилось постоянно дорабатывать систему и думать над новыми внедрениями. Иногда то, что работало дома, могло сломаться прямо на конференции перед членами жюри. Но это было не самое важное. Главное — GPTeacher стал настоящим взрывом для меня.

Во время работы над GPTeacher я почувствовала, что могу создавать технологии сама. Теперь я не просто наблюдатель, читающий статьи о новых разработках мира. Я поняла, что могу создать что‑то полезное для людей своими руками. Это ощущение было невероятным.

От проекта до крупных инженерных форумов

Вместе с развитием проекта начались научные и инженерные форумы.

Успех моего первого серьёзного проекта был просто невообразимым для меня. Я начала занимать призовые места на крупных мероприятиях и конференциях. Мой проект публиковали в крупных каналах, таких как «Московское образование», со мной связывался портал mos.ru и брал у меня интервью. Про GPTeacher сняли репортаж, который потом был размещён в Telegram‑канале мэра Москвы. О проекте узнавали люди, которых я не знала лично. О моём проекте говорили за пределами школы.

Высшей точкой для GPTeacher стал Московский Международный инженерный форум. Я не могу даже сейчас описать ощущения, которые чувствовала тогда. Я, школьница, среди серьёзных разработок инженеров... Это казалось абсолютно ненастоящим.

Научный руководитель и роль публичных выступлений

Как я писала выше, GPTeacher участвовал в различных конкурсах, где мне нужно было не только продемонстрировать работу проекта, но и уметь рассказать про него. Про его функции, возможности и ограничения, и многое другое. Со стороны может казаться, что в этом нет ничего сложного. Однако, первые выступления давались мне тяжело. Я заучивала свой доклад слово в слово, боялась что‑то упустить или не знать, как ответить на вопрос эксперта. Со временем этот страх становился всё меньше и меньше. Я научилась не заучивать презентацию, а понимать её внутреннюю структуру. Я спокойна выходила и защищала свой проект так, будто разбиралась в этой сфере всю свою жизнь.

Оглядываясь назад, я понимаю насколько важен навык публичных выступлений. Этот навык является отдельной частью работы, который обязательно пригодится в университете (о чём я расскажу чуть позже), а также в дальнейшей жизни.

Огромную роль в этом пути сыграл мой научный руководитель. Он помог мне увидеть в этом проекте не просто программу, а исследовательскую работу. Нужно уметь обосновать идею, объяснить свой выбор технологий, сравнить решение уже с существующими аналогами и честно рассказать про ограничения. Мой научный руководитель поддерживал меня в течение всего этого нелёгкого пути, объяснял новые для меня вещи, помогал с кодом и программой, оценивал мои идеи и всегда был со мной на связи. Во многом благодаря ему я решила связать свою жизнь с искусственным интеллектом и развиваться в этой сфере. Вместе мы обсуждали новые внедрения, готовились к конференциям, разбирали замечания жюри и учились доводить проект до рабочего состояния.

Сейчас я понимаю, насколько нужна мне была эта поддержка. Повторюсь, многие и многие навыки, полученные в то время, в дальнейшем пригодились мне в совершенно разных жизненных сферах, в том числе и в университете.

Финал НТО и соревнования от Сбера

В 11 классе я решила попробовать себя в Национальной технологической олимпиаде по искусственному интеллекту. Я прошла отборочный, а затем и основной этап, который оказался для меня очень сложным. Когда мне пришло письмо о том, что я прохожу в финал, я сначала даже не поверила. Неужели предыдущие достижения были не случайностью? Олимпиадный формат всегда мне казался чем‑то не моим.

Финат НТО изменил эти ощущения. Вокруг меня было много сильных ребят со всей страны, которые уже давно разбираются в этой теме, умеют уверенно забирать призовые места в олимпиадах и хакатонах, а многие уже работают в крупных IT‑компаниях. И снова меня не покидало чувство, что я оказалась тут случайно. Было видно, насколько по‑разному команды подходят к решению одной и той же задачи. Там я впервые поняла, насколько важны не только технические знания, но и умение работать в команде, распределять задачи. Ещё одним уроком послужило то, что не всегда хорошо обученная модель может обойти тот же baseline. Иногда достаточно правильно 'подкрутить' параметры, добавить пару фич и получить достойный результат.

После НТО мне захотелось пробовать себя в соревнованиях по машинному обучению. Первым из них стал AI Challenge от Сбера. Тогда я только начала привыкать к подобному типу задачу, где важно не только обучить модель, но и разобраться в исходных данных, признаках, понять, что может дать прирост в лидерборде, а что испортит текущий скор. Многие вещи, которые тогда казались мне сложными, я использовала в соревнованиях Kaggle.

Santa 2025, Kaggle, Шанхай и бессонные ночи

Когда я впервые зашла на Kaggle, я совершенно ничего не понимала в этой платформе. Потом начала участвовать в соревнованиях. Удачный сабмит — хочется снова и снова экспериментировать с идеями. Kaggle — это часто не про технический бэкграунд (хотя и он тут конечно важен), сколько про умение работать с той или иной задачей. На этой платформе существуют совершенно разные хакатоны, приведу пример: табличные данные, компьютерное зрение, работа с текстом (NLP) и аудио, Deep Learning, LLM соревнования, Reinforcement Learning, Time Series, задачи, связанные с биологией и медициной. Попадание в топ зависит во многом от типа задачи, который вы выберете и от того, насколько вы погружены в этот тип задач. Итог зависит от качества валидации, подбора модели и признаков, понимании исходных данных, аккуратности экспериментов и от того, насколько хорошо может решение перенестись с публичного лидерборда на приватный, где идёт тест на закрытых данных.

Самым тяжёлым соревнованием для меня оказалось Santa 2025: задача по упаковке рождественских ёлок. Она отличалась от тех задач, которые я решала всё время. Я с утра до вечера сидела над этим соревнованием, радовалась даже тогда, когда метрика увеличивалась на несколько сотых или тысячных.

Самым необычным оказалось, наверное, то, что конец Santa совпал с моей поездкой в Шанхай. Думаю, для многих не секрет, что в последние дни и часы соревнований на Kaggle лидерборд может сильно измениться. И получился довольно странный контраст, днём я гуляла по городу, который всегда мечтала посетить, а по ночам сидела за кодом и всё пробовала и пробовала новые идеи. Подходит дедлайн, а до медальной границы мне не хватает совсем чуть‑чуть.

В итоге я занимаю 472 место из 3400. Казалось бы, это где‑то топ 14%, верх таблицы в международном соревновании. Но тогда мне было обидно до слёз, что я всё‑таки не смогла перейти эту границу, я не могла принять свой результат, ведь считала, что могла сделать лучше. Так впервые и проявился для меня психологический аспект соревнований.

Сейчас я понимаю, что иногда лучше остановиться на одной идее и улучшать её. Вообще, нужно уметь вовремя останавливаться, ведь наступает дедлайн и лидерборд закрывается. Я стала лучше понимать, как планировать эксперименты, радоваться даже небольшим улучшениям и уметь переживать неудачные сабмиты. Поэтому я обязательно вернусь в Santa 2026.

Университет. Новые победы

Я поступила на 1 курс технического университета. И здесь я решаюсь попробовать рассмотреть искусственный интеллект немного в другом направлении. Я пишу свою первую научную работу на тему: «Исследование возможностей применения искусственного интеллекта для анализа интеллектуального капитала компании». Эта тема меня сразу заинтересовывает, и я принимаюсь за изучение.

К концу первого курса я выступаю уже не со школьным проектом, а с полноценным университетским исследованием на конференции «Микроэлектроника и информатика 2026», где наравне со мной участвуют старшие курсы, магистранты и аспиранты. Здесь мне очень помог навык публичных выступлений, полученный мною ранее в школе. Для меня было важно попробовать себя в таком мероприятии уже на более серьёзном уровне. Я ни на что не рассчитывала, но по итогам мероприятия заняла второе место. Эта конференция стала для меня новым этапом, где машинное обучение можно применять не только в задачах Kaggle, но и в реальных бизнес‑задачах.

BirdCLEF: как случайное соревнование приблизило меня к Kaggle Expert

В это соревнование я зашла практически по приколу. Оставалось не так много дней до дедлайна, и я решила попробовать порешать задачку. Нужно было разработать модель, которая по аудиозаписи определяет, какие виды птиц присутствуют в записи. Такие модели помогают учёным автоматически анализировать огромные объёмы полевых записей и не прослушивать каждую запись вручную.

Я решала задачу пару дней. Потом закрыла ноутбук и благополучно про неё забыла. Спустя время мне приходит письмо на почту от Kaggle. Так я и стала обладателем своей первой бронзовой медали — достижение, к которому я долго шла.

Возможно, секрет заключался в том, что я не строила никаких ожиданий? Вполне возможно. Ещё раз убеждаюсь: нет психологического аспекта — результат получается лучше. Я очень счастлива этому неожиданному результату, ведь благодаря ему я на 50% прошла путь до Kaggle Expert.

Яндекс Практикум: переход от соревнований к системному обучению

После череды соревнований мне захотелось не только улучшать метрику, но и понимать, как работает модель изнутри. Часто в соревнованиях меняешь архитектуру, параметры или обработку данных и смотришь, вырос ли результат. Но так легко оставить пробелы в теории. Поэтому мне захотелось «разложить всё по полочкам».

Я начала обучение в Яндекс Практикуме на программе «Инженер по глубокому обучению» со специализацией NLP. Курс становится для меня способом систематизировать знания, которые раньше я получала лишь фрагментами. Некоторые темы, которые раньше казались очевидными на уровне кода, приходится разбирать почти с нуля. Например, я до конца не понимала, чем отдельный канал активации отличается от изображения и почему на разных слоях сеть выделяет разные признаки. Сначала в картах признаков можно увидеть границы и текстуры, а глубже появляются более сложные признаки.

Моя цель на этом этапе состоит не столько в завершении курса, сколько в получении диплома о профессиональной переквалификации. Я хочу получить мощную базу знаний в Deep Learning и в дальнейшем использовать её для собственных проектов. Почему я выбрала специализацию NLP? Как я уже писала выше, я не раз работала с языковыми моделями, поэтому мне интересно подробнее разобраться в этом направлении, теперь я хочу лучше понимать устройство языковых моделей и их обучение.

Вместо заключения

Когда я начинала работать в 10 классе над GPTeacher, я не представляла, что через несколько лет буду участвовать в международных соревнованиях, обучать модели, участвовать в финале НТО, занимать второе место в университетской конференции среди магистрантов и аспирантов, и получать бронзовую медаль от Kaggle.

Всё это было не просто так, и чем больше я думаю об этом, тем больше я подтверждаю для себя, что искусственный интеллект — неслучайное направление для меня.

Мой путь получился неровным: были хорошие результаты, неудачные эксперименты, бессонные ночи и соревнования, в которых я ожидала большего от себя. И был бы этот путь интересным, если был ровным? Думаю, что именно в этом заключается вся прелесть этого пути. Только благодаря падениям можно прочувствовать по‑настоящему вкус победы, прежде всего над собой.

Сейчас я продолжаю изучать Deep Learning, прохожу обучение в Яндекс Практикуме и хочу развиваться дальше. За это время я поняла, что недостаточно знать просто архитектуры и библиотеки, нужно уметь пробовать новые идеи, спокойно относиться к неудачным результатам и никогда не останавливаться, а идти только вперёд. Пока мой путь только начинается, интересно, куда же он меня приведёт? Возможно, когда‑нибудь в будущем, я напишу новую статью о продолжении этой истории. Спасибо за внимание!