Первый хакатон на основе данных Яндекс.Недвижимости

6zdqs3pismlboujdspau-kmygfk.png

Рынок недвижимости — отличный источник данных для хакатонов, онлайн-контестов по программированию и других соревнований разработчиков. Дело в том, что эта сфера производит большие объёмы качественных данных, компании заинтересованы в проникновении ML, а участники могут сходу предложить основанные на данных улучшения существующих сервисов. 21 и 22 марта Яндекс.Недвижимость проведёт в Москве свой первый хакатон — Hack The Realty. Мы ищем новые способы сделать сервис удобнее и информативнее, а взамен готовы предоставить наши данные, ресурс экспертов и денежные призы. Регистрация продлится до 10 марта.
Хакатон предназначен для разработчиков, аналитиков, дизайнеров и представителей стартапов. Участвовать могут команды от двух до четырёх человек, но можно зарегистрироваться одному и объединиться с кем-нибудь в команду прямо на хакатоне. Вы должны быть готовы либо создать решение по одному из направлений, которые выбрали мы, либо выступить на стартап-питче с уже готовым продуктом. Жюри конкурса состоит из пяти человек: это руководитель продукта Яндекс.Недвижимость Илья Тихомиров, руководители разработки и дизайна Святослав Демидов, Азат Разетдинов razetdinov и Михаил Мокеев, а также data science product manager Владимир Горовой vgorovoy.

Задачи для IT-специалистов


При регистрации нужно будет указать интересующее вас направление. Мы случайным образом распределим между командами задачи внутри направлений. Команда-победитель в каждом направлении получит 200 тысяч рублей, а ещё 100 тысяч достанутся авторам самого оригинального проекта.

Направление Data Science


Дополнение характеристик дома

Результат: методология/модель, позволяющая дополнить существующую базу данных характеристик домов для улучшения карточки объявления.

Данные: информация о домах в Москве. При выборе квартиры пользователи обращают внимание не только на цену и состояние квартиры, но и на сам дом: где он находится, когда и из чего был построен, какие в нём есть удобства и т. д. У нас на сервисе много данных о жилых домах в Москве, но не по каждому зданию у нас есть вся информация.

Ваша задача: добавить недостающие данные в «тестовом» наборе на основе правильно заполненных параметров домов. Вы можете пользоваться дополнительными источниками данных, которые находятся в открытом доступе.

Прогноз срока экспозиции объявления

Результат: модель, анализирующая объявление и определяющая срок его экспозиции на сервисе.

Данные: объявления из архива Яндекс.Недвижимости со сроками экспозиции. Размещая объект на Яндекс.Недвижимости, каждый хочет продать или сдать его как можно быстрее за максимальную для этого объекта цену. В архиве нашего сервиса сотни тысяч объявлений со сроками экспозиции (датами размещения и снятия объявления). На сервисе мы хотим подсказывать пользователям, сколько они будут ждать покупателя или нанимателя своего объекта при текущих характеристиках.

Ваша задача: по информации из объявлений в Москве дать прогноз по срокам их экспозиции.

Направление «Продукт и техническое решение»


Разметка активных зон

Потенциальные покупатели квартир в новостройках по-разному воспринимают информацию и выбирают квартиры. Одни сравнивают цены, площади и планировки по таблицам, другие оценивают вид из окна, уровень освещённости в квартире, расположение на этаже (подальше от лифтов, меньше соседей за стеной), инфраструктуру и комфорт района (ближе к метро, детскому саду и т. п.). Для последних придуман формат визуального выбора квартир: сначала пользователь выбирает корпус, потом этаж и квартиру, постепенно сужая воронку поиска.

Ваша задача: создать инструмент разметки активных зон произвольной формы на изображениях с выводом результатов разметки на страницу в режиме просмотра. На генплане жилого комплекса нужно разметить корпуса, на рендере корпуса ЖК —этажи, на плане этажа — квартиры.

Конструктор планировок

При покупке квартиры важно выбрать ту, в которой будет комфортно жить не один год. Цена ошибки тут высока: квартиру нельзя вернуть, поменять или продать за пару дней, как не подошедшую вещь. Оценить удобство жилья и сравнить разные варианты можно по планировкам. Но они есть не во всех объявлениях, а ещё их иногда просто рисуют от руки. Это неудобно.

Мы хотим, чтобы понятные планировки были в как можно большем количестве объявлений, чтобы наши пользователи могли быстро оценить достоинства и недостатки квартиры.

Ваша задача: разработать онлайн-конструктор планировок для вторичного рынка жилья, в котором можно быстро создать планировку любой квартиры.

Решение, повышающее доверие к объявлениям и авторам объявлений

Кто собственник квартиры? Нет ли проблемы с документами? В каком состоянии жильё? Какие там соседи? А вдруг это фейковое объявление, созданное для заманивания покупателей или нанимателей? Эти и другие вопросы задаёт себе каждый при покупке или аренде квартиры.

Ваша задача: разработать прототип сервиса, повышающего доверие к объявлению, его владельцу и, как следствие, к площадке размещения. При решении задачи можно использовать открытые источники данных и учитывать текущие решения Яндекс.Недвижимости.

Варианты готовых решений от стартапов


Вот каких решений мы ждём от участников стартап-питчей:

— дополнение характеристик дома,
— прогноз срока экспозиции объявления,
— разметка для визуализатора выбора квартир,
— конструктор планировок,
— повышение доверия к объявлениям и авторам объявлений,
— улучшение качества и формы подачи информации в объявлениях,
— увеличение базы объявлений на сервисе,
— развитие сервиса посуточной аренды,
— продвижение продажи и аренды коммерческой недвижимости.

© Habrahabr.ru