<h3>Правила участия</h3>

Нажимая кнопку &laquo;Участвовать&raquo; и/или &laquo;Отправить решение&raquo;, вы соглашаетесь с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2024/Rules_Data_Fusion_Contest_2024.pdf" rel="noopener noreferrer" target="_blank">Правилами участия в соревновании Data Fusion Contest 2024</a>.

<h3>Постановка задачи</h3>

Участникам предоставляются данные о карточных транзакциях клиентов в формате <code>.parquet</code>. Транзакции клиентов даны в привязке к локации. Также предоставляется тренировочная информация о том, в каких банкоматах клиент снимал наличные.&nbsp;

Необходимо предсказать, в каких локациях клиент будет снимать наличные. Из соображений приватности, координаты закодированы в <a href="https://h3geo.org/docs/core-library/h3Indexing" rel="noopener noreferrer" target="_blank">h3index</a> уровня 9, например <code>891181840a7ffff</code>.

Клиент может снимать наличные в нескольких банкоматах. Иногда клиент одновременно совершает несколько транзакций в одном месте &mdash; по ним считаются статистики (count, sum, min, avg, max, std, count_distinct). Список локаций, в которых возможно снятие наличных, известен. Нужно для каждого клиента и каждого банкомата предсказать вероятность того, что клиент им воспользуется.&nbsp;

Для удобства предоставляется список всех локаций, где возможно снятие наличности и всех локаций с точками, в которых клиенты могли совершать транзакции. Подробнее про структуру и особенности данных можно узнать на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2024-geo/dataset" rel="noopener noreferrer" target="_blank">Данные</a>&rdquo;.

<h3>Формат решений</h3>

Это контейнерное соревнование с подготовкой решений в виде архива с кодом, который будет автономно запускаться на закрытых тестовых данных.&nbsp;

Необходимо обучить модель на предоставленных данных, упаковать решение в архив и загрузить на платформу. &nbsp;Модель получает на вход следующие именованные аргументы:

<ul>
<li>&nbsp;<code>--hexses-target-path</code> <code>-ht</code> список всех геолокаций, где возможно снятие наличности. Этот файл доступен в исходных данных, но мы просим использовать в работе модели именно нашу версию файла <code>hexses_target.lst</code>.</li>
<li><code>--hexses-data-path</code> <code>-hd</code> список всех геолокаций, где пользователь мог совершить какую-либо транзакцию. Этот файл доступен в исходных данных, но мы просим использовать в работе модели именно нашу версию файла <code>hexses_data.lst</code> .</li>
<li><code>--input-path</code> <code>-i</code> входные данные о транзакциях. Формат аналогичен файлу с транзакциями в обучающих данных. Например, <code>test.parquet</code></li>
<li><code>--output-path</code> <code>-o</code> имя файла, в который вам нужно сохранить результат. Например, <code>submit.parquet</code></li>
</ul>

Требуется предсказать вероятность того, что клиент снимет деньги в одной из локаций из <code>hexses_target.lst</code>.

Формат выходного файла &mdash; parquet:&nbsp;

<ul>
<li>Столбец <code>customer_id</code> должен содержать код пользователя</li>
<li>Остальные столбцы должны быть кодами локаций из <code>hexses_target.lst</code></li>
<li>(важно) Если в файле отсутствует какой-то из клиентов или какая-то из геолокаций, где возможно снятие наличности, сабмит будет отвергнут (оценочный скрипт выдаст ошибку).</li>
</ul>

Обратите внимание, что в тестовых данных другие клиенты. Также в тестовых данных могут не использоваться некоторые из локаций, доступных в обучающих данных.

В архиве должны быть все необходимые для работы модели файлы. Как минимум, в архиве должен быть файл <code>metadata.json</code> с указанием используемого докер-образа (рекомендуем `<code>odsai/vtb24-baseline:1.0`</code>) и строки для запуска вашей модели.

<pre>
<code class="language-javascript">{
 "image": "odsai/vtb24-baseline:1.0",
 "entry_point": "python -u run.py"
}</code></pre>

При желании вы можете использовать свой образ, выложив его на <a href="https://hub.docker.com/" rel="noopener noreferrer" target="_blank">https://hub.docker.com</a>. <a href="https://youtu.be/KwVfwnlzLpE" rel="noopener noreferrer" target="_blank">Вебинар о том, как собрать докер</a>.&nbsp;

<h3>Проверка решений</h3>

Решения проверяются автоматически. Запуск происходит&nbsp;в изолированной среде без доступа в интернет на полностью закрытых тестовых данных, которые не передаются участникам.

И в публичной и в приватной части рейтинга решения запускаются на двух наборах входных данных: для публичной и приватной части лидерборда.&nbsp;

Соотношение публичной и приватной части лидерборда примерно 1:1. Победители соревнования&nbsp;определяются по результатам приватной части лидерборда.&nbsp;

Метрика соревнования&nbsp;&mdash; <code>Mean Binary Cross Entropy</code> т.е. бинарная кросс-энтропия, усредненная на всех пользователях. Эта метрика сильно штрафует за категоричные утверждения, поэтому при расчете мы обрезаем предсказанные вероятности. Формула расчета

<pre>
<code class="language-python">eps = 1e-8
mbce = (-np.log(np.clip(predictuion, eps, 1 - eps)) * target \
 - np.log(np.clip(1 - predictuion, eps, 1 - eps)) * (1 - target)).sum(axis=1).mean()</code></pre>

где predictuion - вектор предсказанных вероятностей, а target - целевая разметка, где 1 помечены локации, в которых пользователь на самом деле снимал наличные.

Обратите внимание, что пользователь может снимать наличность в нескольких банкоматах в разных локациях, это нормально.

(patch note #1) если ваше решение выдаёт NaN, все NaN заменяются на 1e-8 перед рассчётом метрики.

<h3>Доступные ресурсы для решений</h3>

<ul>
<li>8 ядер CPU</li>
<li>96Gb RAM</li>
<li>Видеокарта NVidia Tesla V100</li>
</ul>

<h3>Ограничения для решений</h3>

<ul>
<li>5Gb для архива с решением</li>
<li>60 минут на работу решения: 30 минут на public часть и 30 минут на private</li>
<li>Docker-образ, используемый в решении, должен быть опубликован и публично доступен на Dockerhub</li>
</ul>

<h3>Информация&nbsp;для участников</h3>

<ul>
<li>В соревновании можно принимать участие из любой точки мира. Участники могут объединяться в команды до 4-х человек. Участвовать можно в любом количестве из предложенных задач и номинаций. Победители соревнования смогут получить денежные призы только на расчетные счета банков, зарегистрированных на территории Российской Федерации.&nbsp; Просим вас позаботиться об открытии счета в РФ заранее.</li>
<li>Ответы на вопросы по всему Data Fusion Contest 2024 доступны&nbsp;на&nbsp;<a href="https://ods.ai/tracks/data-fusion-2024-competitions/faq" rel="noopener noreferrer" target="_blank">FAQ странице трека</a>.</li>
</ul>

<h3>Призовой фонд задачи 1, Геоаналитика</h3>

1 место: 500 000 рублей 
2 место: 250 000 рублей 
3 место: 150 000 рублей

Номинация <a href="https://ods.ai/tracks/data-fusion-2024-competitions/competitions/data-fusion2024-companion" rel="noopener noreferrer" target="_blank">Companion</a> по задаче Геоаналитика:&nbsp; 
50 000 рублей (по состоянию на &ldquo;экватор&rdquo; соревнования) 
50 000 рублей (после дедлайна соревнования)

Участникам необходимо решить задачу предсказания локаций снятия наличных в банкоматах на основе транзакций клиентов банка.

Public

Private

Данные

Consent

Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/august_2023/%D0%A1%D0%BE%D0%B3%D0%BB%D0%B0%D1%88%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%BE%D0%B1%20%D1%83%D1%81%D0%BB%D1%83%D0%B3%D0%B0%D1%85.pdf">Соглашением об услугах</a>&nbsp;и &nbsp;<a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/august_2023/%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%B8%D0%BA%D0%B0%20%D0%BA%D0%BE%D0%BD%D1%84%D0%B8%D0%B4%D0%B5%D0%BD%D1%86%D0%B8%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8.pdf">Политику конфиденциальности</a>&nbsp; (*)

Privacy Policy and User agreement

Даю <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2024/Consent_pdn.pdf">согласие</a> Оператору&nbsp;на обработку ПДн&nbsp; (*)

email_promo

Даю согласие <a href="http://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2024/Consent%20to%20receive%20T1%20adverts.pdf">Организатору</a> и Оператору соревнования на получение информации рекламного характера

<a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2024/Recruitment%20agreement.pdf">Согласен</a> на сотрудничество по содействию мне в трудоустройстве

Благодарим за интерес к серии соревнований&nbsp;Data Fusion Contest 2024.

Заполните, пожалуйста, форму ниже.

Согласия, отмеченные&nbsp; (*) - обязательные.

#	Teams (92)	Score	Last	Entries
1	Andrey Kuznetsov	8.1784332753	15m	55
2	madgnome	8.2550782225	15m	5
3	stickman	8.4366554248	15m	41
4	Rabies	8.5004848222	15m	64
5	aksell	8.6581275174	15m	31
6	Vladimir Testov	8.8407334932	15m	20
7	Rostislav Ilyk	8.8652223789	15m	16
8	NBMK	8.8745174087	15m	8
9	Evgeny Kazenov	8.8913374592	15m	20
10	Alexander Dudin	8.9334193104	15m	97
11	Aleksei Gavrilov	8.9718300334	16m	20
12	predict random	9.0031995271	15m	15
13	Ilya Zhukov	9.0054480836	15m	19
14	Andrey Meshcheryakov	9.0657851912	16m	6
15	Timur Redzhepov	9.0871593439	15m	27
16	vetrandr	9.1457526433	15m	14
17	Ivan Mitriakhin	9.1720770654	15m	6
18	Vlad Balanda	9.2593140708	15m	14
19	Misha Murzaev	9.2655482109	16m	2
20	Charlie Puth fans	9.2714589673	15m	11
21	Anton Zaitsev	9.2778481125	16m	3
22	Dark side и печеньки	9.2778481125	16m	2
23	MISIS_Max_Maxbetov	9.2778481125	16m	2
24	Alsu Iarulina	9.2778481125	15m	2
25	w373ee1f575f5	9.2778481125	15m	2
26	Ratel	9.2778481125	15m	2
27	wekeed	9.3036207784	16m	1
28	Booster	9.3627253126	16m	8
29	Tsirk s konyami	9.5517325016	15m	2
30	Буташевич-Петрашевский	9.6041946982	16m	10
31	Anton	9.7352253073	16m	25
32	Машина Прогресса	9.8355866941	16m	8
33	BankBusters	9.9503522747	16m	22
34	Alexander S	10.0980894108	15m	5
35	v25cb8862f68d	10.6360106151	17m	2
36	hhh hhh	10.7571000082	16m	1
37	Roman Stupin	10.7571000082	16m	1
38	Alexandr Elizarov	10.7571000082	16m	2
39	Cradle	10.7571000082	15m	1
40	ГеоКотики	10.7571000082	15m	1
41	Alexander Chikov	10.8627048139	17m	2
42	Cocker pro	10.9357698321	16m	12
43	sanseymysamba	10.9442361955	17m	21
44	Starege	11.0488043451	16m	2
45	f604ea123d5aa	12.0123422363	16m	2
46	maria step	12.8456252744	16m	1
47	Pavel	12.9331128847	16m	5
OOC	Miss Pibodi	15.4356180169	17m	1
48	Ivan Alexandrov	15.4356180169	17m	10
49	ML Rocks	15.4356180169	17m	1