<h3>Правила участия</h3>

Нажимая кнопку &laquo;Участвовать&raquo; и/или &laquo;Отправить решение&raquo;, вы соглашаетесь <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Rules_Data%20Fusion%20Contest_2025.pdf" rel="noopener noreferrer" target="_blank">с Правилами участия в соревновании Data Fusion Contest 2025</a>.

<h3>Постановка задачи</h3>Необходимо решить задачу прогнозирования динамики денежных переводов клиентов банка. В роли временного ряда, который требуется прогнозировать, выступают переводы со счетов юридических лиц клиентов банка — другим юридическим лицам, агрегированные суммарно по неделям. Для обучения прогнозных моделей предоставляются транзакции за 2 года (118 недель, с 0 по 117 включительно), а горизонт прогнозирования — следующие 12 недель (с 118 по 129 включительно).В данной задаче предстоит работать с данными юридических лиц: их транзакциями за 2 года, а также предоставленной информацией из профилей юридических лиц. У задачи имеется ряд весьма интересных особенностей для исследователей и практиков анализа данных:<ul><li>Юридические лица очень часто имеют счета сразу во многих банках. В данных задачи предоставлены транзакции юридических лиц по их уникальному ИНН, как от лица их счета в банке, так и выступающих в качестве контрагентов транзакций с другими клиентами банка.&nbsp;</li><li>Транзакции между юридическими лицами отличаются от уже привычных для соревнований данных транзакций физических лиц. В них отсутствуют привычные MCC коды, но есть много другой информации, с которой можно работать.</li><li>Данных для решения задачи предоставлено рекордное количество — более 250 миллионов транзакций. Осторожнее обращайтесь с памятью своих систем! 🤗️️&nbsp;</li></ul>Для удобства работы с данными предоставляется глобальный календарь непрерывно идущих недель. Подробнее про структуру и особенности данных можно узнать на странице “<a target="_blank" rel="noopener noreferrer" href="https://ods.ai/competitions/data-fusion2025-4cast/dataset">Данные</a>”.&nbsp;Задачи по прогнозированию повсеместно встречаются в рабочей практике компаний всех индустрий. На основании прогнозных моделей можно принимать самые различные решения для бизнеса, как на уровне конкретных клиентов, так и на уровне стратегии действий компании. Само прогнозирование имеет богатую историю подходов, моделей, научных школ и методологий, попробовать которые можно в рамках соревнования.&nbsp;<h3>Формат решений</h3>Это табличное соревнование с разметкой предоставленного вам .csv файла. Вам необходимо создать алгоритм, способный по предоставленным в рамках соревнования данным, создать новый табличный .csv файл с тремя столбцами:<pre><code class="language-python">inn_id, week, predict
inn1000051, 118, 7430786
inn1000051, 119, 7430786
...
inn999886, 129, 19776084</code></pre><ul><li><code>inn_id</code> – идентификатор юридических лиц, клиентов банка;</li><li><code>week</code> – номер недели (периода прогнозирования), на которую сделан прогноз;</li><li><code>predict</code> – предсказание вашего алгоритма.&nbsp;</li></ul>Предсказания необходимо построить для всех 51,963 клиентов на все 12 недель (периодов прогнозирования) тестовых данных.&nbsp;Примеры&nbsp;sample_submission.csv&nbsp;доступны на странице “<a target="_blank" rel="noopener noreferrer" href="https://ods.ai/competitions/data-fusion2025-4cast/dataset">Данные</a>”.&nbsp;<h3>Проверка решений</h3>Решения проверяются автоматически путем сопоставления с известными истинными историческими значениями суммарных переводов клиентов банка со своих счетов. Истинные исторические значения в тестовых данных доступны только организаторам.Метрика соревнования — средний RMSLE (Root Mean Squared Logarithmic Error) по клиентам:&nbsp;$$\overline{RMSLE} = \frac{1}{N} \sum_{i=1}^N \text{RMSLE}_i$$$$RMSLE_{i} = \sqrt{\frac{1}{T} \sum_{t=1}^T (\log(1 + y_{it}) - \log(1 + \hat{\overline{y}}_{it} ))^2 }$$$$\hat{\overline{y}}_{it} = max(0, \hat{y}_{it}) $$$$\text{Где:}$$$$N \text{ — число клиентов},$$$$T \text{ — число периодов прогнозирования},$$$$y_{it} \text{ — истинные значения временного ряда клиента i в период t},$$$$\hat{y}_{it} \text{ — спрогнозированные значения временного ряда клиента i в период t}.$$&nbsp;Соотношение public/private в соревновании составляет 4/8:&nbsp;<ul><li>Первые 4 тестовые недели (с 118 по 121 включительно) используются для результатов на public лидерборде.&nbsp;</li><li>Остальные 8 недель (с 122 по 129 включительно) используются для результатов на private лидерборде.</li></ul>Обратите внимание, что если в качестве прогноза предоставляются отрицательные значения, то они принудительно зануляются.Победители соревнования определяются по результатам на private лидерборде. Для private лидерборда можно выбрать до 2 финальных решений.<h3>&nbsp;</h3>

<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 2025 доступны&nbsp;на&nbsp;<a href="https://ods.ai/tracks/data-fusion-2025-competitions/faq" rel="noopener noreferrer" target="_blank">FAQ странице трека</a>.</li>
</ul>

<h3>Призовой фонд задачи 2, 4cast</h3>

1 место: 600 000 рублей 
2 место: 250 000 рублей 
3 место: 100 000 рублей

Спецноминация Companion:&nbsp;

1 место &mdash; 50 000 рублей 
2 место &mdash; мерч

Участникам необходимо решить задачу прогнозирования временных рядов для клиентов банка (юридических лиц) на основе их профилей и истории транзакций.

Public

Val.Public

Val.Private

Данные

Rules

Нажимая &quot;Отправить&quot; я соглашаюсь с условиями <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Rules_Data%20Fusion%20Contest_2025.pdf">Правил проведения онлайн-соревнования Data Fusion Contest 2025</a>

Privacy Policy and User agreement

Даю <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Data_Fusion_2025_soglasie_pdn.pdf">согласие</a> Оператору&nbsp;на обработку ПДн&nbsp; (*)

email_promo

Даю согласие <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Data_Fusion_2025_T1_soglasie_promo.pdf">Организатору</a>&nbsp;соревнования на получение информации рекламного характера

<a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Data_Fusion_2025_T1_soglasie_hr.pdf">Согласен</a> на сотрудничество по содействию мне в трудоустройстве

Благодарим за интерес к серии соревнований&nbsp;Data Fusion Contest 2025.

Заполните, пожалуйста, форму ниже.

Согласия, отмеченные&nbsp; (*) - обязательные.

#	Teams (51)	Average RMSLE	Last	Entries
1	IS	1.4666156216	6h	7
2	faas	1.470354666	36h	11
3	Хахатон	1.4754010314	5h	11
4	Строительство 503	1.4792567316	13h	10
5	Alexander Pavlov	1.4847359192	7h	20
6	Let me solo her	1.4929885102	6h	7
7	feel the agi	1.4973941194	12h	5
8	Oranges	1.5023492443	55min	16
9	ml_square	1.5029622236	14h	5
10	Сергей 72	1.5079666329	4h	22
11	MrOverfit	1.5085602016	7h	7
12	Filer	1.5119165452	7h	22
13	Andrey Pedchenko	1.5175808919	4h	10
14	Anna Yurishcheva	1.5181355475	15h	18
15	перега сират	1.5191317604	16h	5
16	Iev	1.5271952785	12h	5
17	Бесперспективняк	1.531291895	2d	15
18	Andrei Zakharov	1.540227931	2d	10
19	kvadro	1.5597423903	15h	5
20	Nikita Saik	1.5865885185	4h	3
21	CapitainData	1.6033297161	3d	1
22	Владислав Е	1.613014847	3d	3
23	s796fb3ed56c9	1.6138177262	3d	4
24	MrUnderfit	1.6189959969	13h	4
25	Andrei Balandin	1.7268580569	4h	13
26	Vasiliy Kudryavtsev	1.7384676891	30h	10
27	Rostislav Ilyk	1.7687163975	4h	19
28	MMG-5	1.7688953695	8h	2
29	4ерепашкиНиндзя2Выжившие	1.8122533775	7h	20
30	Vlad Balanda	1.8521778863	2h	7
31	Пираты данных	1.8700516782	5d	1
32	Raistlin	1.8700516782	3d	10
33	nb90089be0580	1.8700516782	2d	1
34	Alexander Dudin	1.8700516782	2d	1
35	Threads	1.8700516782	29h	4
36	ml web bee	1.8700516782	31h	1
37	chellick	1.8700516782	30h	1
38	Максим М	1.8700516782	29h	1
39	Кошки понарошку	1.8700516782	18h	2
40	cf0a8a7b02cc8	1.8700516782	17h	1
41	Andrey Kuznetsov	1.8765591348	21h	2
42	Valerii Tsyban	1.8954525428	2d	5
43	lc0509bd9c183	1.9027416646	14h	2
44	way2oblivion	1.9489383584	4h	11
45	f24bceadd1bd2	1.9653584515	12h	3
46	gotheartem	1.9668884901	2d	1
47	Alexander Ladzin	1.9701271192	2d	2
48	Egor Kutin	2.176951937	2d	1
49	b584013d15cb7	2.4188509237	35h	3
50	Nickolay Alymov	2.5702438753	34h	5