Great prizes to be won! No prior experience required for participation!

The challenge is designed to be doable for college students of any background or program. Preparatory exercises will be provided for participants. A workshop will also be given on the morning of Saturday, March 25th at 10:00AM in 5B.16 in hybrid format. It is highly recommended that students attend in person for maximum benefit but students may follow along virtually. See preliminary schedule below.

De superbes prix à gagner ! Aucune expérience préalable n’est requise pour participer !

Le défi est conçu pour être réalisable par des étudiants collégiaux de tout programme ou formation. Des exercices préparatoires seront fournis aux participants. Un atelier aura également lieu le matin du samedi 25 mars à 10h00 dans la salle 5B.16 en format hybride. Il est fortement recommandé aux étudiants d’y assister en personne pour en tirer le maximum, mais ils peuvent aussi suivre virtuellement. Voir le programme préliminaire ci-dessous.

Overview

Mitigating the impact of climate change is one of the most urgent challenges of our century. Understanding where emissions come from, and how they are evolving over time is crucial to making progress. However, the amount of information can be overwhelming, especially when put in context with history and economics. The field of data science offers some of the tools to help us parse the massive reams of data, and extract insight from interactive visualizations. These visual representations of data can help us make informed arguments and decisions as we collectively work to preserve the health of our planet. 

The DawsCon – DawsonAI data challenge this year is meant to help introduce us to the broad field of Data Journalism, wherein large datasets from various sources are compiled into a visual aid at the center of a story meant to inform the general public. Inspired by the work done at Our World in Data, we will begin with publicly available C02 emissions data for Canada at the provincial level, and set the stage for you to lead your own data journalism project.

Orientation: Friday, March 24

Challenge Day 1: Saturday, March 25 [rm 5B.16]

Challenge Day 2: Sunday, March 26 [rm 5B.16]

Instructions for Warm-up (optional)

Preparatory exercises can be done alone or with team members and will be provided two weeks before the challenge. The outline of the preparatory exercises is given below for context.

• Open a new jupyter notebook Google Colab (requires a Gmail account)
• In a separate window, open the Tutorial Notebook (link to come in the lead up to the challenge) . The goal of this tutorial is to break down the code required to generate the graphs we see in the Our World in Data article, which gives the CO₂ emissions over time, for any country, over the last 50 years.
• Cell by cell, follow the tutorial, and copy cell chunks over to your blank notebook. This will allow you to see for yourself how different code chunks work for yourself, without losing your original copy of the tutorial
• Notice the use of different variables to contextualize the raw data: e.g. country population, economic output

Registration and important notes

• Challenge kickoff and orientation will take place Friday, March 24 at 5:00-6:30PM in 5B.16. Attendance not mandatory.
• The challenge can be done in teams of 2 to 5 members. If you don’t have a team, we will help you find one.
• Students who would like to do the challenge for course work or independent study projects will have been prompted by their teachers to pursue this as an option.
• The challenge will also be part of an extra session of the AI Launch Lab Winter 2023 Cohort. For more information visit this link. Week 1 of the AI Launch Lab begins March 4, 2023.
• Demos and workshops will be run Saturday, March 25 throughout the day. Mentors will be present to  help the teams.

Aperçu

Réduire l’impact du changement climatique est l’un des défis les plus urgents de notre siècle. Comprendre d’où viennent les émissions et comment elles évoluent au fil du temps est crucial pour progresser. Cependant, la quantité d’informations peut être accablante, surtout lorsqu’elle est mise en contexte avec l’histoire et l’économie. Le domaine de la science des données offre certains outils pour nous aider à traiter des volumes massifs de données et à extraire des idées à partir de visualisations interactives. Ces représentations visuelles des données peuvent nous aider à formuler des arguments et des décisions éclairés alors que nous travaillons collectivement à préserver la santé de notre planète. 

Le défi de données DawsCon – DawsonAI de cette année vise à nous initier au vaste domaine du journalisme de données, où de grands ensembles de données provenant de diverses sources sont compilés en une aide visuelle au centre d’une histoire visant à informer le grand public. Inspirés par le travail réalisé sur Our World in Data, nous commencerons avec des données publiques sur les émissions de CO2 pour le Canada au niveau provincial, et poserons les bases pour vous permettre de mener votre propre projet de journalisme de données.

Orientation : Vendredi 24 mars

Jour 1 du défi : Samedi 25 mars [salle 5B.16]

Jour 2 du défi : Dimanche 26 mars [salle 5B.16]

Instructions pour la préparation (facultatif)

Les exercices préparatoires peuvent être faits seuls ou avec les membres de l’équipe et seront fournis deux semaines avant le défi. Le plan des exercices préparatoires est donné ci-dessous à titre de contexte.

• Ouvrez un nouveau notebook jupyter sur Google Colab (nécessite un compte Gmail)
• Dans une fenêtre séparée, ouvrez le notebook de tutoriel (lien à venir avant le défi). L’objectif de ce tutoriel est de décomposer le code nécessaire pour générer les graphiques que nous voyons dans l’article de Our World in Data, qui montre les émissions de CO₂ au fil du temps, pour n’importe quel pays, au cours des 50 dernières années.
• Cellule par cellule, suivez le tutoriel et copiez les morceaux de code dans votre notebook vierge. Cela vous permettra de voir par vous-même comment chaque morceau de code fonctionne, sans perdre votre copie originale du tutoriel.
• Notez l’utilisation de différentes variables pour contextualiser les données brutes : par exemple, la population d’un pays, la production économique

Inscription et notes importantes

• Le lancement du défi et l’orientation auront lieu le vendredi 24 mars de 17h00 à 18h30 dans la salle 5B.16. La présence n’est pas obligatoire.
• Le défi peut être fait en équipes de 2 à 5 membres. Si vous n’avez pas d’équipe, nous vous aiderons à en trouver une.
• Les étudiants qui souhaitent faire le défi dans le cadre de leurs travaux de cours ou de projets d’étude indépendante auront été encouragés par leurs enseignants à poursuivre cette option.
• Le défi fera également partie d’une session supplémentaire de la cohorte d’hiver 2023 du AI Launch Lab. Pour plus d’informations, visitez ce lien. La semaine 1 du AI Launch Lab commence le 4 mars 2023.
• Des démonstrations et des ateliers auront lieu le samedi 25 mars tout au long de la journée. Des mentors seront présents pour aider les équipes.

Inscriptions fermées / Registration closed