<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	8.2007358334	8m	55
2	madgnome	8.2807006094	8m	5
3	stickman	8.4473797514	8m	41
4	Rabies	8.5263161458	8m	64
5	aksell	8.6692219988	8m	31
6	Rostislav Ilyk	8.8583311165	8m	16
7	Vladimir Testov	8.8584631551	8m	20
8	NBMK	8.8743750543	8m	8
9	Evgeny Kazenov	8.8854416624	8m	20
10	Alexander Dudin	8.9322949313	8m	97
11	Aleksei Gavrilov	9.0023464539	9m	20
12	predict random	9.0217952218	8m	15
13	Ilya Zhukov	9.0236977668	8m	19
14	Timur Redzhepov	9.0966164924	8m	27
15	Andrey Meshcheryakov	9.1277594661	9m	6
16	vetrandr	9.1445101221	8m	14
17	Ivan Mitriakhin	9.1797644923	8m	6
18	Vlad Balanda	9.2845743168	8m	14
19	Misha Murzaev	9.2861345158	9m	2
20	Charlie Puth fans	9.2909524007	8m	11
21	Anton Zaitsev	9.2985718888	9m	3
22	Dark side и печеньки	9.2985718888	9m	2
23	MISIS_Max_Maxbetov	9.2985718888	9m	2
24	Alsu Iarulina	9.2985718888	8m	2
25	w373ee1f575f5	9.2985718888	8m	2
26	Ratel	9.2985718888	8m	2
27	wekeed	9.317896096	9m	1
28	Booster	9.3813217055	9m	8
29	Tsirk s konyami	9.5818880918	8m	2
30	Буташевич-Петрашевский	9.6445164519	9m	10
31	Anton	9.7471334184	9m	25
32	Машина Прогресса	9.8928248249	9m	8
33	BankBusters	9.9615373688	9m	22
34	hhh hhh	10.7957163075	9m	1
35	Roman Stupin	10.7957163075	9m	1
36	Alexandr Elizarov	10.7957163075	9m	2
37	Cradle	10.7957163075	8m	1
38	ГеоКотики	10.7957163075	8m	1
39	v25cb8862f68d	10.8058112238	10m	2
40	Alexander Chikov	10.8769949848	10m	2
41	sanseymysamba	10.9821251264	10m	21
42	Cocker pro	11.0153948057	9m	12
43	Starege	11.0902389007	9m	2
44	Alexander S	11.5590732244	8m	5
45	f604ea123d5aa	12.1001478773	9m	2
46	maria step	12.8954318681	9m	1
47	Pavel	13.0145811161	9m	5
OOC	Miss Pibodi	15.5486139744	10m	1
48	Ivan Alexandrov	15.5486139744	10m	10
49	ML Rocks	15.5486139744	10m	1