<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	0.8910758543	6w	81
2	Andrey Kuznetsov	0.8763415006	5w	77
3	pietorch	0.8741916566	5w	172
4	Vladimir Bazhenov	0.8690234766	5w	49
5	RASCAR	0.8675228545	5w	223
6	перега сират	0.864117567	5w	55
7	Alexander Dudin	0.8616436981	5w	168
8	Anatoly Ilyenkov	0.857997532	5w	153
9	Stanislav Chistyakov	0.8560168403	6w	53
10	CAPITAN DaTASciencA	0.8516931154	5w	6
11	Ruslan Savlaev	0.8512048554	5w	11
12	ivyslanko	0.8460439035	5w	18
13	Хойщики	0.8458128327	5w	98
14	камыш	0.841184094	5w	85
15	Krotovuha	0.8407703003	5w	136
16	Ivan Chernykh	0.8385917495	5w	141
17	Dimk k	0.8370339552	5w	173
18	Irina Gorbunova	0.8347214433	5w	26
19	Иван Пиратин	0.8335250138	6w	8
20	Aleksandr Gaptrakhmanov	0.8313098926	5w	221
21	Твой ушедший батя	0.8295586511	5w	48
22	f24bceadd1bd2	0.827631493	5w	98
23	Кавказская котлетка	0.8272083625	5w	86
24	Alexander Vavilkin	0.8266027608	6w	36
25	Roman Kovalev	0.8249797815	5w	35
26	myself	0.823954565	5w	144
27	Neuron NotWork	0.8229662466	5w	24
28	Marvel	0.8218124375	5w	17
29	Aleksei Gavrilov	0.8183282793	6w	47
30	дирижабль	0.8168981631	6w	101
31	Фумолог	0.8158245333	6w	20
32	Chebapuchepela	0.8026532148	5w	20
33	Aydar Khisamov	0.7999018253	5w	20
34	Иван Сосалковской	0.7973609688	7w	1
35	мисис пять с плюсом	0.7968004979	6w	90
36	круглый тензор	0.7935719839	5w	16
37	wdfb40dcdb429	0.7914707506	6w	11
38	f78a61b54ffd8	0.7892610763	6w	12
39	ГАБА Солюшнз	0.7842189307	5w	10
40	chech iceland	0.7782795523	5w	2
41	DrDrunkenstein	0.7766460124	5w	4
42	Dmitry V	0.7765928874	5w	67
43	Egor Machnev	0.7765153094	5w	16
44	chloe	0.7728938819	6w	4
45	Timofey Zheleznyakov	0.7635617891	6w	68
46	Random Forrest Gump	0.7443965529	6w	37
47	DataDrivers	0.7379299545	7w	3
48	Dmitriy Eremenko	0.7167619762	5w	7
49	NaN Warriors	0.7043396108	5w	14
50	wekeed	0.7002380431	5w	11