<h3><strong>Правила участия</strong></h3>

<p>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>.</p>

<h3><strong>Постановка задачи</strong></h3>

<p>Это соревнование отлично подойдёт тем, кто хочет попрактиковаться в умении применять алгоритмы машинного обучения к реальным задачам. Для участников уже заранее подготовлены наборы данных с почти 5,000 признаков и одной целевой переменной:</p>

<blockquote>
<p><i>50 перцентиль распределения суммарных остатков на всех накопительных счетах клиента на горизонте +2 мес. от отчетной даты</i></p>
</blockquote>

<p>Это реальная интересующая банк характеристика клиента, которую участникам предлагается научиться предсказывать.</p>

<p>Вроде бы все просто, но у задачи есть несколько важных особенностей:</p>

<ul>
	<li>Целевая переменная представляет собой информацию о будущем, что потребует не мало работы по настройке валидации;</li>
	<li>Тренировочные и тестовые данные также разделены на основе времени: тестовые данные собраны за другой временной период;</li>
	<li>Признаков много, в них много пропущенных значений, и сами признаки имеют очень разные распределения.</li>
</ul>

<p>Подобная учебная задача, может выступить полезной тренажерной площадкой:&nbsp;</p>

<ul>
	<li>Простота постановки открывает простор для самых разных алгоритмов и подходов моделирования;&nbsp;</li>
	<li>Необходимость разобраться в валидации при честном разделении данных по времени &mdash; критически важный навык при решении реальных задач.</li>
</ul>

<h3><strong>Формат решений</strong></h3>

<p>Это табличное соревнование с разметкой предоставленного вам <strong>.csv</strong> файла. Вам необходимо создать алгоритм, способный по предоставленным в рамках соревнования данным, создать новый табличный <strong>.csv</strong> файл с двумя столбцами:</p>

<pre>
<code class="language-python">user_id, predict
1000008, 91.733
1000009, 208899
...
2499992, 1076658</code></pre>

<ul>
	<li><code>user_id</code> &ndash; идентификатор клиента банка;</li>
	<li><code>predict</code> &ndash; предсказание вашего алгоритма.&nbsp;</li>
</ul>

<p>Предсказания необходимо построить для всех 318,451 клиентов в тестовых данных.&nbsp;</p>

<p>Примеры&nbsp;<strong>sample_submission.csv</strong>&nbsp;доступны на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2025-distribution/dataset" rel="noopener noreferrer" target="_blank"><strong>Данные</strong></a>&rdquo;.</p>

<h3><strong>Проверка решений</strong></h3>

<p>Решения проверяются автоматически путем сопоставления с известными истинными значениями целевой переменной клиентов банка. Истинные значения целевой переменной в тестовых данных доступны только организаторам.</p>

<p>Метрика соревнования &mdash; <strong>RMSLE</strong> (Root Mean Squared Logarithmic Error):</p>

<p>$$RMSLE = \sqrt{\frac{1}{N} \sum_{i=1}^N (\log(1 + y_{i}) - \log(1 + \hat{\overline{y}}_{i} ))^2 }$$</p>

<p>$$\hat{\overline{y}}_{i} = max(0, \hat{y}_{i}) $$</p>

<p>$$\text{Где:}$$</p>

<p>$$N \text{ &mdash; число клиентов},$$</p>

<p>$$y_{i} \text{ &mdash; истинные значения целевой переменной клиента i},$$</p>

<p>$$\hat{y}_{i} \text{ &mdash; предсказанные значения для клиента i}.$$</p>

<p>Соотношение public/private в соревновании составляет 33/67:&nbsp;</p>

<ul>
	<li>Треть клиентов используется для результатов на public лидерборде.&nbsp;</li>
	<li>Оставшиеся две трети используются для результатов на private лидерборде.</li>
</ul>

<p>Обратите внимание, что если в качестве предсказаний предоставляются отрицательные значения, то они принудительно зануляются.</p>

<p>Итоговые результаты в образовательной задаче определяются по результатам на private лидерборде.&nbsp;<br />
Для private лидерборда можно выбрать до 2 финальных решений.</p>

<h3>&nbsp;</h3>

<h3><strong>Информация&nbsp;для участников</strong></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.&nbsp;</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><strong>Призовой фонд задачи 3, Distribution</strong></h3>

<p>Это учебная задача без денежного призового фонда.</p>

<p><strong>Спецноминация Companion</strong></p>

<p>1 место &mdash; мерч<br />
2 место &mdash; мерч</p>

Образовательная задача для тех, кто хочет научиться лучше разбираться с моделями машинного обучения на банковских данных: создайте алгоритм, способный предсказывать распределение остатков на счетах клиента через 2 месяца.

Public

Данные

Rules

<p>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></p>

Privacy Policy and User agreement

<p>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; (*)</p>

email_promo

<p>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</p>

<p><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</p>

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

first_name

First name

last_name

Last name

country

Country (lat)

city

City (lat)

email

Email

phone_optional

Phone (Optional)

Occupation

Experience

Experience in DC

study_place2

Company/study place name

referral

How did you know about the competition?

Registration application for Data Fusion 2025

Data Fusion Contest 2025 - Задача 3  "Distribution"

Predictions

<h2><strong>Данные</strong></h2><p>Для решения образовательной задачи “distribution” предлагается несколько групп данных и материалов.</p><h3>Основные материалы соревнования</h3>

3.6MB, разметка целевой переменной для тренировочных данных

train_target.csv

6.2MB, пример корректного базового решения

sample_submit_naive.csv

8.6MB, пример базового решения с Catboost (из примера в ноутбуке)

submit_baseline_catboost.csv

82.3KB, сопроводительный ноутбук для базового решения submit_baseline_catboost.csv

baseline-3-catboost.ipynb

<h3>Тренировочные данные&nbsp;</h3><p>Для обучения моделей участникам представляются 4 файла с различными группами признаков для моделирования.&nbsp;<br>В качестве ключа для объединения данных выступает идентификатор клиента <code><strong>user_id</strong></code>.</p>

243.3MB, основные признаки для решения задачи (279 признаков)

train_main.parquet

140.0MB, дополнительные признаки по картам и категориям трат (630 признаков)

train_card_spending.parquet

119.5MB, дополнительные признаки сумм и счетчиков по MCC кодам (1640 признаков)

train_mcc_operations.parquet

829.3MB, дополнительные признаки предпочтений клиентов на основе MCC (2112 признаков)

train_mcc_preferences.parquet

<h3>Тестовые данные&nbsp;</h3><p>Аналогичные 4 файла, необходимые для подготовки предсказаний:</p>

344.9MB, тестовые данные основных признаков

test_main.parquet

202.3MB, тестовые данные дополнительных признаков по картам и категориям трат

test_card_spending.parquet

170.8MB, тестовые данные дополнительных признаков сумм и счетчиков по MCC кодам

test_mcc_operations.parquet

1.2GB, тестовые данные дополнительных признаков предпочтений клиентов на основе MCC

test_mcc_preferences.parquet

<h3>Глоссарий&nbsp;</h3><p>Для каждого файла с группами признаков доступен словарь обозначений и описаний входящих в файл признаков:</p>

75.4KB, глоссарий для основной группы признаков (279)

dictionary_main.csv

142.0KB, глоссарий для дополнительной группы признаков по картам и категориям трат (630)

dictionary_card_spending.csv

418.5KB, глоссарий дополнительных признаков сумм и счетчиков по MCC кодам (1640)

dictionary_mcc_operations.csv

689.8KB, глоссарий дополнительных признаков предпочтений клиентов на основе MCC (2112)

dictionary_mcc_preferences.csv