Junior ML Contest 2026: как поступить в AI Talent Hub на бюджет без экзаменов через ML-проект
Junior ML Contest, или JMLC, — это конкурс проектов для поступления в магистратуру AI Talent Hub Университета ИТМО без вступительных экзаменов. Вместо классического тестирования абитуриент показывает уже реализованный ML- или ИИ-проект, защищает его перед экспертами и может получить право поступления на бюджет.
В 2026 году JMLC входит в состав Конкурса портфолио. Это значит, что победа в JMLC засчитывается как значимое достижение при поступлении: участник получает сертификат, загружает его в портфолио и может пройти по БВИ — без вступительного экзамена.
Ниже — подробный разбор Junior ML Contest 2026: кто может участвовать, какие проекты принимаются, какие документы нужны, как проходит защита, по каким критериям оценивают работы и что делать после победы.
Кому подойдёт Junior ML Contest
JMLC подойдёт тем, кто уже сделал проект в машинном обучении, data science, искусственном интеллекте или смежной технологической области. Это может быть проект с работы, хакатона, ВКР, научное исследование, финальный проект с курса, ИИ-стартап или образовательное ИИ-решение.
Главное условие — проект должен быть уже реализован вами или вашей командой и иметь подтверждаемый результат. То есть важно показать не только идею, но и реальную работу: данные, код, модель, метрики, MVP, пользовательскую обратную связь, результаты экспериментов или внедрение.
Такой формат особенно подходит абитуриентам, которые сильнее раскрываются через практику, а не через классический экзамен. Если у вас уже есть ML-проект, JMLC может стать самым логичным способом поступить в AI Talent Hub.
Кто может участвовать в JMLC
Подать заявку на Junior ML Contest может студент последнего курса бакалавриата или специалитета, а также человек, у которого уже есть высшее образование любого уровня: бакалавриат, специалитет, магистратура или диплом специалиста.
Если проект делался в команде, каждый участник подаёт отдельную заявку. В ней важно описать именно свой личный вклад: какую часть проекта вы делали, за какие решения отвечали, какие задачи закрывали и как повлияли на итоговый результат.
Это особенно важно для командных проектов с хакатонов, курсов, работы или стартапов. Комиссия оценивает не только сам проект, но и вашу роль в нём.
Даты Junior ML Contest 2026
В 2026 году Junior ML Contest проходит в три волны. Можно выбрать удобную волну и подать проект в её рамках. Также можно попробовать участвовать в нескольких волнах, если вы хотите усилить заявку или доработать проект.
Волна 1: май — июнь
— приём заявок и подача проектов: 11 мая — 8 июня;
— питчинги проектов: 15–17 июня;
— объявление результатов: 19 июня.
Волна 2: июнь — июль
— приём заявок и подача проектов: 10 июня — 1 июля;
— питчинги проектов: 7–9 июля;
— объявление результатов: 13 июля.
Волна 3: июль
— приём заявок и подача проектов: 3–20 июля;
— питчинги проектов: 27–29 июля;
— объявление результатов: 31 июля.
Чем раньше вы подаёте проект, тем раньше получаете результат и можете спокойнее двигаться дальше по приёмной кампании: подать документы в личном кабинете абитуриента ИТМО, загрузить сертификат и дождаться результатов конкурса портфолио.
Как подать заявку на JMLC
Чтобы принять участие в Junior ML Contest, нужно подать заявку на сайте конкурса:
После этого нужно загрузить решение в форму. Ссылка на форму для загрузки проекта приходит после отправки заявки на участие.
Заявка включает несколько обязательных элементов:
— CV, отражающее текущий профессиональный, учебный и проектный опыт;
— мотивационное письмо о том, почему вы хотите учиться в AI Talent Hub;
— ссылку на кодовую базу проекта: GitHub, GitLab, Bitbucket или другой репозиторий;
— краткое описание проекта;
— презентацию для защиты.
За несколько дней до защиты проектов на почту приходит письмо с возможностью выбрать удобную дату и время для презентации решения. Защита проходит онлайн в выбранный слот.
Какие документы нужны для подачи
Для участия в JMLC стоит заранее подготовить полный комплект материалов. Чем аккуратнее оформлена заявка, тем проще экспертам понять ваш опыт, вклад и качество проекта.
CV
В резюме нужно показать ваш текущий профессиональный и образовательный опыт: образование, навыки, проекты, достижения, стажировки, работу, хакатоны, курсы и всё, что связано с машинным обучением, ИИ, разработкой, аналитикой или исследовательской деятельностью.
Формат: PDF.
Мотивационное письмо
В мотивационном письме важно объяснить, почему вы хотите развиваться в ИИ и ML, почему выбираете AI Talent Hub и как программа связана с вашими целями.
Хорошее мотивационное письмо не ограничивается общей фразой «мне интересен искусственный интеллект». Оно показывает траекторию: что вы уже сделали, какой опыт получили, какие задачи хотите решать дальше и почему магистратура поможет сделать следующий шаг.
Формат: PDF.
Ссылка на репозиторий
Нужно приложить ссылку на кодовую базу проекта. Это может быть GitHub, GitLab, Bitbucket или аналогичная платформа.
Перед подачей важно убедиться, что репозиторий открыт для проверки. Комиссия может смотреть кодовую базу до защиты, поэтому закрытый или пустой репозиторий будет мешать оценке проекта.
Формат: ссылка.
Описание проекта
Краткое описание проекта должно объяснять задачу, данные, методы, результат и ваш вклад. Оптимально уложиться в несколько страниц и не превращать описание в длинный технический отчёт.
В описании стоит отразить:
— какую проблему решает проект;
— кто пользователь или заказчик;
— какие данные использовались;
— какие модели или методы применялись;
— какие метрики были выбраны;
— какие результаты получены;
— что именно сделали вы;
— как проект можно развивать дальше.
Формат: PDF.
Презентация для защиты
Презентация нужна для онлайн-питчинга проекта. Она должна быть короткой, ясной и сфокусированной на главном: задаче, решении, результате, вашем вкладе и выводах.
Формат: PDF или PPTX.
Как проходит защита проекта
Защита проходит онлайн в выбранное время. Один слот длится около 12 минут.
Тайминг выступления:
— 5 минут — презентация проекта;
— 7 минут — вопросы от экспертной комиссии.
За 5 минут нужно успеть объяснить, какую задачу вы решали, почему она важна, как устроено решение, какие результаты получены и в чём ваш личный вклад. Поэтому презентацию лучше заранее отрепетировать: убрать лишние детали, оставить понятную структуру и подготовить ответы на возможные вопросы.
После презентации эксперты задают вопросы. Они могут уточнять технические решения, работу с данными, метрики, выбор моделей, архитектуру, продуктовую ценность, командное распределение задач и дальнейшее развитие проекта.
Какой проект можно подать на JMLC
На Junior ML Contest можно подать один из семи типов проектов. Формат специально сделан широким, чтобы абитуриенты могли показать разный опыт: индустриальный, исследовательский, образовательный, стартапный или учебный.
1. Проект с работы
Это может быть прикладная бизнес-задача с ML- или ИИ-решением, которую вы решали в рамках трудовой деятельности.
Например, модель классификации, прогнозирование, рекомендательная система, обработка текстов, компьютерное зрение, автоматизация бизнес-процесса, RAG-сервис, аналитический инструмент или внутренний ИИ-ассистент.
Важно показать, какую задачу решал проект, какие ограничения были в реальной среде, какие результаты получены и за какую часть отвечали именно вы.
2. Проект с хакатона
Если вы участвовали в хакатоне и сделали ML- или ИИ-решение, его тоже можно подать на JMLC. Особенно сильный вариант — проект, с которым вы стали победителем или призёром.
Но важно показать не только место в соревновании. Эксперты будут смотреть на качество реализации: постановку задачи, работу с данными, выбор модели, метрики, код, презентацию и то, насколько осознанно вы принимали технические решения.
3. Выпускная работа
ВКР бакалавриата с ML- или ИИ-решением тоже может стать проектом для Junior ML Contest.
Это хороший путь для тех, кто уже делал диплом на данных, моделях, алгоритмах, анализе изображений, NLP, рекомендательных системах, временных рядах или других задачах машинного обучения.
Сильная ВКР для JMLC — это не просто текстовая работа, а проект с понятной задачей, данными, экспериментами, результатами и прикладной ценностью.
4. Научное исследование
Можно подать прикладное научное исследование на данных. Такой формат подойдёт абитуриентам, которые хотят развиваться в research-треке, работать с научными руководителями, публиковаться и заниматься исследованиями в области ИИ.
Важно показать, в чём состоит исследовательский вопрос, какие данные использовались, какие методы применялись, какие результаты получены и почему работа имеет научную или прикладную ценность.
5. Итоговый проект с курсов
На JMLC можно подать защищённый финальный проект с профильных курсов, организованных при участии AI Talent Hub:
— ML Engineering: от технической базы до ИИ-продукта;
— LLM-инженерия;
— Практическая ML-инженерия.
Главное условие — курс успешно завершён, а финальный проект защищён. Этот маршрут подойдёт тем, кто уже прошёл профильное обучение, сделал проект и готов представить его экспертам.
6. ИИ-стартап
Если у вас есть стартап, инициатива или бизнес-проект с использованием ИИ, его тоже можно подать на конкурс.
В этом случае эксперты будут смотреть не только на техническую часть, но и на продуктовую логику: какую проблему решает проект, кто целевая аудитория, есть ли MVP, какие гипотезы проверены, какие конкуренты существуют и какой потенциальный импакт может дать решение.
7. ИИ в образовании
Отдельный формат — образовательный продукт с ML- или ИИ-составляющей. Это может быть курс, технология, приложение, ассистент, система персонализации обучения или другой EdTech-проект.
Такой проект подойдёт тем, кто хочет развиваться на стыке искусственного интеллекта, образования, методологии и продуктовой разработки.
Как оценивают проект на Junior ML Contest
Проекты на JMLC оцениваются по нескольким блокам. Часть критериев относится к описанию проекта и кодовой базе, часть — к презентации и защите.
Победителем считается участник, который набрал максимальное количество баллов. Оценки выставляются в сравнении с заявками других участников той же волны.
Разработка и инженерия
В этом блоке эксперты оценивают, насколько проект продуман технически и насколько качественно реализован.
Смотрят на:
— технологическую сложность решения;
— владение Git, Docker, CI;
— осознанное применение готовых решений и библиотек;
— качество кода;
— уровень промышленной разработки;
— пайплайны машинного обучения;
— MLOps и DevOps-практики.
Этот критерий особенно важен для инженерных и продуктовых ML-проектов. Хорошо, если проект можно не только показать в ноутбуке, но и объяснить как систему: где данные, где модель, где пайплайн, как решение запускается и как его можно развивать дальше.
Data Science
Этот блок показывает, насколько кандидат понимает работу с данными, моделями и экспериментами.
Оцениваются:
— понимание специфики данных и задачи;
— качество EDA и предобработки;
— обоснованность выбора моделей машинного обучения;
— грамотность постановки экспериментов;
— работа с метриками;
— валидация результатов.
Здесь важно показать, что модель выбрана не случайно, а под задачу. Эксперты будут смотреть, как вы анализировали данные, какие гипотезы проверяли, какие метрики использовали и почему результат можно считать надёжным.
Применение ИИ
В этом критерии оценивается, как вы использовали ИИ-инструменты в работе над проектом.
Смотрят на:
— использование ИИ-инструментов при разработке;
— применение ИИ-агентов в исследовательских задачах;
— работу с данными с помощью ИИ;
— использование ИИ при разработке ПО;
— применение ИИ в продуктовой части проекта.
Важно не просто сказать, что вы пользовались ИИ, а объяснить, как именно это помогло проекту: ускорило разработку, улучшило анализ данных, помогло с кодом, тестированием, исследованием, документацией или продуктовой логикой.
Продуктовое мышление
JMLC оценивает не только техническую часть, но и то, насколько проект решает реальную проблему.
В этом блоке смотрят на:
— формулирование проблемы;
— понимание целевой аудитории;
— анализ конкурентов;
— работу с продуктовыми гипотезами;
— наличие MVP;
— оценку импакта;
— обратную связь от пользователей и рынка.
Даже если проект исследовательский, важно уметь объяснить, зачем он нужен и какую ценность даёт. Для индустриальных и стартап-проектов этот блок особенно важен: сильное ML-решение должно быть связано с реальной задачей пользователя или бизнеса.
Презентация проекта
Отдельно оценивается умение презентовать решение. На защите важно говорить чётко, последовательно и конструктивно.
Экспертам должно быть понятно:
— какую задачу вы решали;
— почему она важна;
— как устроено решение;
— какие данные и методы использовались;
— какие результаты получены;
— в чём ваш личный вклад;
— какие ограничения есть у проекта;
— что можно улучшить дальше.
Хорошая презентация не перегружена деталями, но показывает зрелость мышления: вы понимаете не только «что сделали», но и почему приняли такие решения.
Ответы на вопросы комиссии
После презентации эксперты задают вопросы. Здесь оценивается коммуникация: умение слышать собеседника, отвечать по существу, признавать ограничения и объяснять свои решения.
Сильный кандидат не обязан знать ответ на любой вопрос мгновенно. Но он должен уметь рассуждать, опираться на данные, объяснять логику и показывать, что действительно понимает проект.
Мотивация
Дополнительно оценивается мотивация и связь целей кандидата с программой AI Talent Hub.
Эксперты смотрят на:
— цель и причины развиваться в ИИ и ML;
— понимание ключевых особенностей программы;
— согласованность профессиональных и личных целей с обучением;
— готовность контрибьютить в сообщество.
На защите важно показать, зачем вам магистратура, почему вы выбираете AI Talent Hub и как проект связан с вашей дальнейшей траекторией. Хороший ответ — не «мне интересен ИИ», а понятная история: что вы уже сделали, куда хотите расти и почему программа поможет сделать следующий шаг.
Как JMLC связан с Конкурсом портфолио
В 2026 году Junior ML Contest интегрирован в Конкурс портфолио как отдельный трек. Победа в JMLC засчитывается как достижение из учитываемого перечня и может дать до 75 баллов в разделе 4 Конкурса портфолио.
Чтобы поступить через JMLC по БВИ, нужно:
— подать заявку на JMLC и пройти питчинг;
— после победы загрузить сертификат JMLC в раздел 4 портфолио;
— подать заявку на Конкурс портфолио на этапе, который ещё открыт;
— набрать 85+ баллов суммарно по Конкурсу портфолио.
Если победа в JMLC даёт до 75 баллов, до проходного уровня остаётся набрать около 10 баллов в других разделах. Обычно это можно закрыть мотивационным письмом и дополнительными достижениями из инженерного трека.
Что делать после победы в JMLC
После объявления результатов победителю нужно пройти несколько шагов, чтобы результат был засчитан в приёмной кампании.
Во-первых, нужно зарегистрироваться в личном кабинете абитуриента ИТМО.Abit и выбрать программу «Искусственный интеллект» на любом из трёх направлений.
Во-вторых, нужно подать заявку на Конкурс портфолио на этапе, который ещё открыт.
В-третьих, необходимо загрузить сертификат победителя JMLC в раздел 4 Конкурса портфолио. Баллы за победу автоматически отобразятся в системе.
После этого остаётся дождаться результатов Конкурса портфолио. Для победы нужно набрать 85+ баллов суммарно. Подробный гайд для победителей рассылается после объявления итогов JMLC.
Как подготовить проект к подаче на JMLC
Чтобы проект выглядел сильнее, его стоит подготовить не только технически, но и содержательно. Экспертам должно быть понятно, какую задачу вы решали, почему выбрали именно такой подход и какой результат получили.
Перед подачей стоит проверить несколько вещей.
Во-первых, сформулируйте проблему. Не начинайте с модели — начните с задачи. Кто пользователь? В чём боль? Почему это важно? Что изменится, если решение будет работать?
Во-вторых, соберите доказательства результата. Это могут быть метрики, сравнение с baseline, пользовательская обратная связь, результаты хакатона, демо, скриншоты, ссылка на репозиторий, презентация или описание внедрения.
В-третьих, подготовьте код и структуру проекта. Даже если проект учебный, он должен выглядеть аккуратно: понятный README, воспроизводимые шаги запуска, описание данных, архитектуры и экспериментов.
В-четвёртых, продумайте питчинг. На защите нужно быстро и ясно объяснить, что вы сделали, почему это сложно, где ваш вклад, какие решения вы принимали и что будете развивать дальше.
Чем JMLC отличается от обычного вступительного экзамена
Обычный вступительный экзамен проверяет техническую базу: программирование, математику, машинное обучение, алгоритмы и другие hard skills.
Junior ML Contest проверяет другое: способность применить знания в проекте. Здесь важны не только теория и правильные ответы, но и умение довести задачу до результата, работать с ограничениями, выбирать метрики, оформлять решение и защищать свои решения перед экспертами.
Поэтому JMLC особенно хорошо подходит тем, у кого уже есть практический опыт: пусть даже небольшой, но свой. Это может быть первый ML-сервис, исследование, хакатонный проект, диплом, стартап или продуктовая гипотеза с ИИ.
Почему стоит участвовать в Junior ML Contest
JMLC — это не только способ поступить на бюджет без экзаменов. Это ещё и возможность получить экспертную обратную связь на свой проект, проверить уровень подготовки и понять, как ваш опыт выглядит в глазах индустриальных и академических экспертов.
Даже подготовка к конкурсу помогает структурировать проект: привести в порядок код, сформулировать ценность, собрать метрики, описать архитектуру и подготовиться к защите. Всё это пригодится не только для поступления, но и для портфолио, собеседований, стажировок и дальнейшей проектной работы.
Для AI Talent Hub такой формат отбора особенно логичен: программа построена вокруг проектов, ролей, треков и практической работы. Поэтому конкурс через ML-проект помогает найти абитуриентов, которые уже умеют не только учиться, но и создавать.
По статистике 2025 года JMLC стал одним из самых быстрорастущих форматов поступления: количество участников увеличилось на 120% — со 140 до 308 человек. Это показывает, что всё больше абитуриентов выбирают проектный путь поступления и хотят доказывать свой уровень через реальные ML- и ИИ-решения.
Итог
Junior ML Contest 2026 — это один из ключевых способов поступить в магистратуру AI Talent Hub Университета ИТМО на бюджет без вступительных экзаменов. Участник подаёт уже реализованный ML- или ИИ-проект, проходит онлайн-защиту и может получить сертификат, который засчитывается в Конкурсе портфолио.
Подать можно проект с работы, хакатона, ВКР, научное исследование, итоговый проект с курсов, ИИ-стартап или образовательный ИИ-продукт. Главное — показать подтверждаемый результат, качество реализации, понимание данных, продуктовую логику, личный вклад и мотивацию развиваться в ИИ и ML.
Если у вас уже есть проект, который можно защитить перед экспертами, JMLC может стать самым сильным маршрутом поступления в AI Talent Hub.