WWDC, doroczna konferencja Apple dla deweloperów, rozpocznie się dzisiaj wieczorem i potrwa do 14 czerwca.
Wśród uczestników WWDC jest 50 wyjątkowo utalentowanych młodych programistów z całego świata, wyróżnionych jako zwycięzcy tegorocznego konkursu Apple Swift Student Challenge.
Przed konferencją WWDC24 młodzi programiści mieli zaszczyt spotkać się z dyrektorem generalnym Apple, Timem Cookiem. Podczas spotkania Tim Cook pochwalił ich innowacyjne projekty, w tym projekt Polaka:
„W Apple wiele dla nas znaczy, że młodzi ludzie odkrywają różne sposoby, w jakie technologia może pomóc ludziom nawiązywać kontakty, tworzyć i dobrze się bawić. Wspaniale było spotkać się z Witem w tym tygodniu, ponieważ jego aplikacja wykorzystuje tego samego ducha innowacji i pomysłowości, aby stworzyć coś, co w wyjątkowy sposób łączy grę i ćwiczenia. Wit należy do niesamowitego pokolenia talentów, wykorzystujących swoje umiejętności, aby wpływać na życie ludzi i kształtować lepszą przyszłość. Z uwagą będę śledził jego dalsze kroki,” powiedział Tim Cook.
Apple wspiera nowe pokolenie programistów poprzez konkurs Swift Student Challenge, jedną z wielu inicjatyw pomagających rozwijać się młodym deweloperom, twórcom i przedsiębiorcom. W tym roku 50 laureatów otrzymało zaproszenie na trzydniowy pobyt w Apple Park, podczas którego wezmą udział w specjalnych wydarzeniach w ramach konferencji WWDC24.
Wit Owczarek, jedyny Polak w gronie tegorocznych zwycięzców, zaczął programować w wieku 13 lat. „Początkowo była to Java, w której tworzyłem proste algorytmy. Poza tym bardzo mnie interesowały mody do Minecrafta i wówczas dużo czasu poświęciłem nauce programowania” - wspomina.
Wit na tegoroczny konkurs Apple Swift Student Challenge zgłosił grę Pushaton. „To gra 2D zbudowana we frameworku SpriteKit, w której biegasz przez dżunglę, pokonujesz przeszkody i zdobywasz punkty. Jest wyjątkowa za sprawą sposobu interakcji – skoki wymagają od gracza wykonania pompek w rzeczywistości” - tłumaczy młody programista. Kamera na żywo rejestruje ruchy gracza, a model deep learning, który Wit samodzielnie przygotował w Pythonie, ocenia wykonanie pompki.
„Główną częścią aplikacji jest model, który zbudowałem w celu rozpoznawania poszczególnych etapów ruchu pompki" - opowiada Wit. „Spędziłem nad nim półtora miesiąca, tworząc ponad 20 wersji”. Wit zebrał ponad 80 000 zdjęć osób wykonujących pompki, aby trenować modele 3D CNN. Chociaż początkowe wyniki nie były zadowalające, kontynuował swoje wysiłki.
„Zwróciłem się w stronę transfer learningu, ale to podejście również nie spełniło oczekiwań”. Ostatecznie Wit zastosował model LSTM, trenowany bezpośrednio na podstawie punktów położenia ciała, zarejestrowanych przez kamerę. To podejście znacząco poprawiło dokładność detekcji.
Zainteresowania Wita nie kończą się na programowaniu - lubi także ćwiczyć i buduje customowe klawiatury. „Rok temu zrealizowałem projekt, który - analizując kształt dłoni i rozmieszczenie palców - generował optymalny układ klawiszy dla klawiatury” - wspomina.