<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/DataFusion2026/Rules_Data_Fusion_Contest_2026.pdf" rel="noopener noreferrer" target="_blank">Правилами участия в соревновании Data Fusion Contest 2026</a>.

<h3>Постановка задачи</h3>

Клиенты банка владеют разными банковскими продуктами &mdash; различными видами счетов, карт и услуг. Одним из запросов бизнеса является желание ранжировать эти продукты по вероятности их открытия клиентами.

В данной задаче продуктов &ldquo;на полке&rdquo; 41 штука. В отличие от классических задач рекомендаций, бизнес интересуют вероятности открытия каждого из продуктов. Умея хорошо предсказывать эти вероятности, бизнес имел бы возможность гибко настраивать рекомендации.

В этом соревновании участникам предстоит работать с полностью анонимными и обфусцированными данными 1,000,0000 клиентов:

<ul>
	<li>Описания банковских продуктов не передаются. Также не передаются и описания признаков. Для признаков передается только информация об их исходном типе (категорийные признаки <code>cat_feature_i</code> и числовые признаки <code>num_feature_j</code>).&nbsp;</li>
	<li>Признаков достаточно много: основной набор в 200 признаков, а также дополнительный набор с более 2,000 признаками.</li>
	<li>В признаках много пропущенных значений, а также присутствуют выбросы.</li>
	<li>750,000 клиентов имеют разметку и составляют тренировочные данные. Оставшиеся 250,000 клиентов составляют тестовые данные.</li>
</ul>

Подробнее про структуру данных можно узнать на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2026-cybershelf/dataset" rel="noopener noreferrer" target="_blank">Данные</a>&rdquo;.

<h3>Формат решений</h3>

Это соревнование с разметкой предоставленного вам .parquet файла. Вам необходимо создать алгоритм, способный по предоставленным в рамках соревнования данным, создать новый .parquet файл с 42 столбцами:

<pre>
<code class="language-python">customer_id, predict_1_1, predict_1_2, ... , predict_10_1
1750000, -4.921889, -5.700829, ... , -0.954659
1750001, -4.963202, -6.826517, ... , -0.622011
...
1999999, -4.249957, -4.785856, ... , -0.931220</code></pre>

<ul>
	<li><code>customer_id</code> &ndash; идентификатор клиента;</li>
	<li><code>predict_i</code> &ndash; предсказание вашего алгоритма для класса <code>target_i</code>. Например <code>predict_1_1</code> для <code>target_1_1</code> и т.д.&nbsp;</li>
</ul>

Предсказания необходимо построить для всех 250,000 клиентов в тестовых данных.&nbsp;

Пример&nbsp;sample_submit.parquet&nbsp;доступен на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2026-cybershelf/dataset" rel="noopener noreferrer" target="_blank">Данные</a>&rdquo;.

<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 &mdash; Macro Averaged ROC-AUC. Для multi-label это эквивалентно простому усреднению ROC-AUC по каждому классу.&nbsp;

Для расчета метрики используется <a href="https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_auc_score.html" rel="noopener noreferrer" target="_blank">sklearn имплементация</a>:&nbsp;

<pre>
<code class="language-bash">from sklearn.metrics import roc_auc_score

roc_auc_score(y_true, y_pred, average="macro")</code></pre>

Соотношение public/private в соревновании составляет 30/70:&nbsp;

<ul>
	<li>75,000 (30%) клиентских записей используются для результатов на public лидерборде. &nbsp;</li>
	<li>175,000 (70%) клиентских записей &nbsp;используются для результатов на private лидерборде.</li>
</ul>

Победители соревнования определяются по результатам на private лидерборде.&nbsp; 
Для private лидерборда можно выбрать до 2 финальных решений.

<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 2026 доступны&nbsp;на&nbsp;<a href="https://ods.ai/tracks/data-fusion-2026-competitions/faq" rel="noopener noreferrer" target="_blank">FAQ странице трека</a>.</li>
</ul>

<h3>Призовой фонд задачи 2, &ldquo;Киберполка&rdquo;</h3>

1 место: 500 000 рублей 
2 место: 300 000 рублей 
3 место: 100 000 рублей

Спецноминация Companion:&nbsp;

1 место &mdash; 50 000 рублей 
2 место &mdash; 50 000 рублей

Участникам необходимо решить задачу multi-label классификации для 41 финансового продукта клиентов банка на основе обезличенных данных заранее предоставленных признаков.

Private

Public

Данные

Rules

Нажимая &quot;Отправить&quot; я соглашаюсь с условиями <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2026/Rules_Data_Fusion_Contest_2026.pdf">Правил проведения онлайн-соревнования Data Fusion Cotest 2026</a>.

Agreement_services

Я согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/20250312_Service_agreement_ODSai.pdf">Соглашением об услугах</a>. Обработка персональных данных Участников Активностей производится на основании Соглашения об услугах).

Agreement_ads

Даю согласие <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2026/%D0%A21_SOPD_RIM.pdf">Организатору</a> соревнования на получение информации рекламного характера.

Agreement_jobs

<a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2026/Soglashenie_sodeistvie_jobs.pdf">Согласие</a> на сотрудничество по содействию мне в трудоустройстве.

Благодарим за интерес к серии соревнований&nbsp;Data Fusion Contest 2026.

Заполните, пожалуйста, форму ниже.

Согласия, отмеченные&nbsp; (*) - обязательные.

#	Teams (410)	Macro ROC-AUC	Last	Entries
1	Andrey Kuznetsov	0.8564518106	7m	115
2	VOLGA_AI	0.855105945	7m	203
3	Evgenii Nikolaev	0.8548680208	7m	59
4	Alsu Aldag	0.8544287593	7m	117
5	Andrei Filipchyk	0.8540972744	7m	56
6	Kirill Krivosheev	0.8539274279	7m	65
7	монтажный техникум курск	0.8537727212	7m	267
8	оверфиттеры	0.8533034888	7m	109
9	Artem Kovalev	0.8532148244	7m	51
10	Vanzalez	0.8527272628	7m	14
11	it_frog	0.8527246041	7m	70
12	HoneyDed	0.8525426136	7m	60
13	Моя команда	0.8524480458	7m	5
14	мария_диджитал	0.8523302055	7m	13
15	витя где ням ням	0.8522436197	7m	110
16	The Ы	0.8522019105	7m	87
17	MISIS 73	0.8521444373	7m	26
18	Dmitry Kozlov	0.8520904893	7m	15
19	MIGEL ODUEL	0.8520707944	7m	4
20	mTale	0.8520473537	7m	129
21	w2cb790b1d2c9	0.8519791416	7m	49
22	Ivan Glebov	0.8515723352	7m	81
23	Beyond The SI	0.8509782958	7m	5
24	t9f92e07b2ad1	0.8509502413	7m	80
25	Special Cursoed	0.8508764374	7m	22
26	Vladimir Testov	0.8507325537	7m	6
27	Alexander Ladzin	0.850697418	7m	40
28	ALT	0.8505419419	7m	15
29	Roman Polomoshnov	0.8505419419	7m	10
30	TORCHKI	0.8505419419	7m	16
31	Players	0.8505419419	7m	15
32	DevLake	0.8504208096	7m	44
33	b3124a384c875	0.8502884373	7m	13
34	777	0.8502073028	7m	36
35	Evgeny Kazenov	0.8502060253	7m	44
36	Владислав Баланда	0.8501885417	7m	165
37	Владислав Ежергин	0.8501005949	7m	125
38	ледибаг	0.8500772667	7m	45
39	ИИ это сложно	0.8498300761	7m	3
40	Dmitrii	0.8497293021	7m	36
41	skjazz	0.8496263443	7m	20
42	Автостопом по ODS	0.8494145895	7m	27
43	Professor_Vadim	0.849266298	7m	122
44	mf3912b208d12	0.8491366275	7m	22
45	Panda Play	0.8490651547	7m	82
46	R2BD is anime	0.8489841418	7m	53
47	ocbdb24ddd365	0.8488379159	7m	11
48	Andrei Babkin	0.8488065446	8m	37
49	Мистер Фиш	0.8485463223	7m	30
50	вайб-инженеры	0.8484729508	7m	41