romovpa

./manage.py sync_cassandra

romovpa

Usage

To ask user add the bot, get the available bot's steam_id:

GET https://gosu.ai/bot/api/get_bot/pubg
Response: 
{
    "status": 200,
    "data": {
 "bot_steam_id": "76561198393865146"

romovpa

Проверка решений DeepHack.Babel

Решение проверяется в две стадии:

1. check: на небольшом датасете для того чтобы проверить работоспособность решения; участнику доступен лог stdout/stderr, так что есть возможность продиагностировать ошибки; если решение успешно проходит стадию check (завершается в срок, отдает предсказания), то оно переходит в стадию test
2. test: запуск производится на основном датасете с ограничением по времени 8 часов; у участника нет доступа к stdout/stderr, т.к. это приведет к компроментации тестовой выборки; по завершению участник узнает время выполнения и успешность проверки результата

Запуск решения

romovpa

#!/usr/bin/env python

import sys

if __name__ == '__main__':
    while True:
        line = sys.stdin.readline().rstrip()
        if not line:
           break
        event_type, data = line.split('\t', 1)

romovpa

{
    "players": [
        {
            "account_id": 292942678,
            "name": "FACEIT.com | Toothaquamarine Bot",
            "hero_id": 0,
            "team": 4
        },
        {
            "account_id": 116375092,

romovpa

{
  "player": {
    "hand": [
      {
        "attack": 5,
        "charge": false,
        "crystals_cost": 7,
        "forgetful": false,
        "freezing": false,
        "hp": 6,

romovpa

library(jsonlite)
library(dplyr)

opendota.query <- function(sqlQuery) {
  requestUrl = paste("https://api.opendota.com/api/explorer?sql=", URLencode(sqlQuery), sep="")
  result <- fromJSON(requestUrl)
  return(result$rows)
}

sampleQuery = "select * from public_matches where start_time > 1483362553 AND duration > 900 AND avg_mmr > 2500 AND num_mmr > 2 limit 10"

romovpa

import pandas
import urllib2

feature_names_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/spambase/spambase.names'
feature_names = [
    line.strip().split(':')[0] 
    for line in urllib2.urlopen(feature_names_url).readlines()[33:]
]

spam_data = pandas.read_csv(

romovpa

2015-02-01 18:30:54.595 gensim.matutils INFO     initializing corpus reader from data/wiki_bow_train.mm
2015-02-01 18:30:54.596 gensim.matutils INFO     accepted corpus with 3518495 documents, 100000 features, 545608177 non-zero entries
2015-02-01 18:30:54.603 gensim.models.ldamodel INFO     using serial LDA version on this node
2015-02-01 18:30:56.503 gensim.models.ldamulticore INFO     running online LDA training, 100 topics, 1 passes over the supplied corpus of 3518495 documents, updating every 310000 documents, evaluating every ~0 documents, iterating 20x with a convergence threshold of 0.001000
2015-02-01 18:30:56.505 gensim.models.ldamulticore INFO     training LDA model using 31 processes
2015-02-01 18:30:56.508 gensim.models.ldamulticore DEBUG    worker process entering E-step loop
2015-02-01 18:30:56.509 gensim.models.ldamulticore DEBUG    getting a new job
2015-02-01 18:30:56.509 gensim.models.ldamulticore DEBUG    worker process entering E-step loop
2015-02-01 18:30:56.509 gensim.models.ldamulticor