<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>

В этом соревновании вам предстоит разработать алгоритм для автоматической категоризации товаров по их названию и атрибутам, даже в условиях неполной разметки.

Система категорий устроена в виде иерархического дерева (до 5 уровней вложенности), а данные о товарах поступают с множества торговых площадок, что создает ряд сложностей:

<ul>
	<li>Разметка товаров неполная и неидеальная.</li>
	<li>Атрибуты одних и тех же товаров могут отличаться на разных площадках или вовсе отсутствовать.</li>
	<li>По мере расширения каталога могут появляться новые площадки и категории, которых не было раньше.&nbsp;</li>
</ul>

В этом соревновании мы предлагаем участникам попробовать свои силы в постановке максимально приближенной к реальной:&nbsp;

<ul>
	<li>Задача осложняется тем, что в обучающей выборке категории размечены только для половины товаров, а в тестовой выборке встретятся категории, к которым нет размеченных примеров.</li>
	<li>При этом вам заранее предоставлен полный список возможных категорий &ndash; сможете ли вы учесть их все и точно отнести товары к нужным классам?</li>
	<li>LLM (большие языковые модели) выглядят многообещающе для подобных задач &ndash; но действительно ли они помогут? Это отличный шанс проверить различные подходы!</li>
</ul>

Подробнее про данные и их структуру можно узнать на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2025-labelcraft/dataset" rel="noopener noreferrer" target="_blank">Данные</a>&rdquo;.&nbsp;

<h3>Формат решений</h3>

Это контейнерное соревнование:

<ol>
	<li>Обучите модель на предоставленных данных.</li>
	<li>Подготовьте Docker-контейнер и код с весами моделей.</li>
	<li>Отправьте решение в виде архива.</li>
	<li>Ваше решение будет автономно запущено на закрытых тестовых данных.</li>
</ol>

Решение получает на вход следующие именованные аргументы:

<ul>
	<li><code>--test_data_path</code> <code>-i</code> путь к файлу с тестовыми товарами (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.csv</code>)</li>
</ul>

Формат выходного файла &mdash; <code>.csv</code> с двумя столбцами:&nbsp;

<ul>
	<li>Столбец <code>hash_id</code> должен содержать предоставленные захэшированные идентификаторы товаров.</li>
	<li>Столбец <code>predicted_cat</code> должен быть идентификатором категории в соответствии с предоставленным словарем категорий.</li>
</ul>

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/df25-baseline:1.0`</code>) и строки для запуска вашей модели.

<pre>
<code class="language-javascript">{
 "image": "odsai/df25-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;

<h4>ВАЖНО!&nbsp;</h4>

<ul>
	<li>Обратите внимание, что в тестовых данных будут другие товары.&nbsp;</li>
	<li>Если в файле отсутствует какой-то из предоставленных тестовых товаров, решение будет отвергнуто (оценочный скрипт выдаст ошибку).</li>
	<li>Более того, в тестовых данных присутствуют категории товаров из словаря, для которых отсутствует разметка в обучающих данных. Получение разметки недостающих категорий это неотъемлемая часть задачи соревнования.&nbsp;</li>
</ul>

<h3>Проверка решений</h3>

Решения проверяются автоматически:

<ul>
	<li>Запуск решений происходит&nbsp;в изолированной среде без доступа в интернет.&nbsp;
	<ul>
		<li>Все библиотеки и их версии должны быть уже загружены в вашем Docker образе.</li>
		<li>Запуск происходит на полностью закрытых тестовых данных, которые не доступны и не передаются участникам.</li>
	</ul>
	</li>
	<li>Решения запускаются последовательно на 3 закрытых наборах тестовых данных:
	<ol>
		<li>Check, отладочные 10 примеров, которые не идут в рейтинг.</li>
		<li>Public test, для результатов на Public лидерорде в течение соревнования.&nbsp;</li>
		<li>Private test, для итоговых результатов Private лидерборда.</li>
	</ol>
	</li>
</ul>

<h4>ВАЖНО!&nbsp;</h4>

<ul>
	<li>Если решение упало на любом тестовом наборе &ndash; оно не оценивается.</li>
	<li>Победители соревнования&nbsp;определяются по результатам приватной части лидерборда.&nbsp;</li>
</ul>

Метрика соревнования &mdash; HDA (Hierarchical Discounted Accuracy):

$$HDA = \frac{1}{N} \sum_{i=1}^N D(y_{i}, \hat{y}_{i} ) $$

$$ D(y_{i}, \hat{y}_{i} ) = \begin{cases}0 &amp; \text{if $LCA (y_{i}, \hat{y}_{i}) &nbsp;= \emptyset$}\\ &nbsp;\text{$ e^{ - LevelDiff (y_{i}, \hat{y}_{i} ) } $} &amp; \text{$else$}\end{cases}$$

$$ LevelDiff (y_{i}, \hat{y}_{i} ) = max(0, Level(y_{i}) - Level( LCA (y_{i}, \hat{y}_{i} ) ) )$$

$$\text{Где:}$$

$$N \text{ &mdash; число товаров},$$

$$y_{i} \text{ &mdash; истинные значения категории товара i},$$

$$\hat{y}_{i} \text{ &mdash; предсказанные значения категории товара i},$$

$$ Level(y_{i} ) \text{ &mdash; уровень класса категории в дереве категорий},$$

$$ LCA(y_{i}, y_{j} ) \text{ &mdash; наименьший общий предок между двумя категориями}.$$

Метрика учитывает структуру категорий:

<ul>
	<li>Если решение ошиблось только в последнем уровне категоризации товара, это считает &ldquo;полу&rdquo;-ошибкой. Значит вместо 1 балла ваше решение получит 1/exp(1) &asymp; 0.37 балла.&nbsp;</li>
	<li>Оценка экспоненциально снижается в зависимости от разности уровня наиболее глубокой корректно предсказанной категории и уровня корректной категории. Для ошибки в 2 уровня вы будете получать уже 1/exp(2) &asymp; 0.13 балла.</li>
	<li>Если товар имеет разметку до 4 уровня, а ваш алгоритм предсказывает 5-й, оценка идет по 4-му уровню.</li>
</ul>

Победители и итоговые результаты определяются по результатам на Private лидерборде.&nbsp; 
Для Private лидерборда можно выбрать до 2 финальных решений.

<h3>Доступные ресурсы для решений</h3>

<ul>
	<li>8 ядер CPU</li>
	<li>96Gb RAM</li>
	<li>Видеокарта NVidia Tesla V100 (32Gb)</li>
</ul>

<h3>Ограничения для решений</h3>

<ol>
	<li>Архив с решением
	<ol>
		<li>5Gb для архива с решением</li>
		<li>60 минут на работу решения: 30 минут на public часть и 30 минут на private</li>
	</ol>
	</li>
	<li>Docker-образ, используемый в решении
	<ol>
		<li>Образ должен быть опубликован и публично доступен на Dockerhub</li>
		<li>20Gb ограничение на размер образа</li>
	</ol>
	</li>
</ol>

&nbsp;

&nbsp;

<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 1,&nbsp;&ldquo;Label Craft&rdquo;</h3>

1 место: 1 000 000 рублей 
2 место: 600 000 рублей 
3 место: 350 000 рублей

&nbsp;

Спецноминация 1 &mdash; 50 000 рублей 
Спецноминация 2 &mdash; мерч

Участникам необходимо предсказать категорию товаров на основе полученных данных о названиях товаров и их описаний.

Public

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 (170)	HA	Last	Entries
1	madgnome	0.8910277105	6w	81
2	Andrey Kuznetsov	0.8758340635	5w	77
3	pietorch	0.8737053478	5w	172
4	Vladimir Bazhenov	0.8696564239	5w	49
5	RASCAR	0.8656299507	5w	223
6	перега сират	0.8625279551	5w	55
7	Alexander Dudin	0.859915927	5w	168
8	Anatoly Ilyenkov	0.8562933107	5w	153
9	Stanislav Chistyakov	0.8551132554	6w	53
10	Ruslan Savlaev	0.8510954753	5w	11
11	CAPITAN DaTASciencA	0.8510665472	5w	6
12	ivyslanko	0.8456552987	5w	18
13	Хойщики	0.8439771125	5w	98
14	камыш	0.8398345486	5w	85
15	Krotovuha	0.8386055936	5w	136
16	Ivan Chernykh	0.8372759827	5w	141
17	Dimk k	0.8346143037	5w	173
18	Irina Gorbunova	0.8343902522	5w	26
19	Иван Пиратин	0.8318977829	6w	8
20	Aleksandr Gaptrakhmanov	0.8301960388	5w	221
21	Твой ушедший батя	0.8274402947	5w	48
22	f24bceadd1bd2	0.8266212875	5w	98
23	Alexander Vavilkin	0.8264315324	6w	36
24	Кавказская котлетка	0.826125815	5w	86
25	Roman Kovalev	0.8248917189	5w	35
26	Neuron NotWork	0.8238471375	5w	24
27	myself	0.8226141761	5w	144
28	Marvel	0.820243126	5w	17
29	Фумолог	0.8166894663	6w	20
30	Aleksei Gavrilov	0.8162112675	6w	47
31	дирижабль	0.8151949109	6w	101
32	Chebapuchepela	0.8010457946	5w	20
33	Aydar Khisamov	0.7985331609	5w	20
34	мисис пять с плюсом	0.7964114354	6w	90
35	Иван Сосалковской	0.7954702434	7w	1
36	круглый тензор	0.792612174	5w	16
37	wdfb40dcdb429	0.7906363107	6w	11
38	f78a61b54ffd8	0.7875934386	5w	12
39	ГАБА Солюшнз	0.784324997	5w	10
40	chech iceland	0.7779362945	5w	2
41	Egor Machnev	0.7762935406	5w	16
42	DrDrunkenstein	0.7756980142	5w	4
43	Dmitry V	0.7752368923	5w	67
44	chloe	0.7716672387	6w	4
45	Timofey Zheleznyakov	0.7629216555	6w	68
46	Random Forrest Gump	0.7456955565	6w	37
47	DataDrivers	0.7378613106	7w	3
48	Dmitriy Eremenko	0.7154512703	5w	7
49	NaN Warriors	0.7041122405	5w	14
50	wekeed	0.699966111	5w	11