<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>Необходимо решить задачу классификации для операций, которые по различным причинам, связанных с безопасностью, были не подтверждены клиентами банка. То есть, участникам предстоит разработать алгоритм реализующий ядро системы антифрода для предотвращения мошеннических операций.&nbsp;Для обучения моделей предоставляются операции 100,000 клиентов за 1.5 года, организованные по времени на 4 отдельные периода:<ol><li>Pre-train, с <code>2023-10-01</code> по <code>2024-09-30</code>. История операций клиентов, которую можно использовать для предобучения и извлечения признаков. Не имеет разметки по построению.</li><li>Train, с <code>2024-10-01</code> по <code>2025-05-31</code>. История операций клиентов, в которой у них появляются нежелательные операции. Имеет разметку как неподтвержденных операций (🔴 целевой класс, “красный свет”), так и подозрительных операций, подтвержденных клиентами (🟡 "желтый свет", не является целевым классом). Все остальные операции без обратной связи клиента стоит считать подтвержденными (🟢 "зеленый свет").</li><li>Pre-test, с <code>2025-06-01</code> по <code>2025-08-09</code>. История операций клиентов, которую можно использовать для классификации самих тестовых меток. Не имеет разметки, так как является частью тестовых данных.</li><li>Test, с <code>2025-06-01</code> по <code>2025-08-09</code>. Заключительный день истории операций клиентов, каждую из которых требуется классифицировать и отправить в рамках соревнования. У каждого клиента этот заключительный день выбран случайно.&nbsp;</li></ol><figure class="image"><img src="https://storage.yandexcloud.net/ds-ods/files/content/2026/02/08/c067d5cc/scheme-2.png"></figure>У задачи имеется ряд особенностей для исследователей и практиков анализа данных:<ul><li>Целевой класс очень редкий: в тренировочных данных всего 51 тысяча неподтвержденных операций (🔴) и 36 тысяч подтвержденных (🟡).&nbsp;</li><li>Алгоритм должен работать в приближенной к реальной постановке, с учетом времени. Как если бы классификатор работал здесь и сейчас, а не размечал уже ранее случившиеся инциденты пост-фактум.&nbsp;</li><li>Суммарный объем данных в задаче превышает 200 миллионов операций. Подробнее про структуру данных можно узнать на странице “<a target="_blank" rel="noopener noreferrer" href="https://ods.ai/competitions/data-fusion2026-guardian/dataset">Данные</a>”.</li></ul><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 двумя столбцами:<pre><code class="language-python">event_id, predict
125854726334416, -0.338988
125949211749418, -4.100378
...
124738035029214, 0.004335</code></pre><ul><li><code>event_id</code> – идентификатор операции;</li><li><code>predict</code> – предсказание вашего алгоритма.&nbsp;</li></ul>Предсказания необходимо построить для всех 633,683 операций тестовых данных.&nbsp;Пример&nbsp;sample_submit.csv&nbsp;доступен на странице “<a target="_blank" rel="noopener noreferrer" href="https://ods.ai/competitions/data-fusion2026-guardian/dataset">Данные</a>”.&nbsp;<h3>Проверка решений</h3>Решения проверяются автоматически путем сопоставления с известной истинной разметкой статусов операций по классу неподтвержденных операций (🔴) в тестовый период данных. Истинная разметка тестовых данных доступна только организаторам.Метрика соревнования — PR-AUC (Area Under Precision-Recall Curve; площадь под кривой «полнота-точность») по операциям.&nbsp;Для расчета метрики используется её <a target="_blank" rel="noopener noreferrer" href="https://scikit-learn.org/stable/modules/generated/sklearn.metrics.average_precision_score.html">sklearn имплементация</a>:&nbsp;<pre><code class="language-bash">from sklearn.metrics import average_precision_score</code></pre>Обратите внимание, что использование функции <code>auc</code> для самой Precision-Recall кривой <a target="_blank" rel="noopener noreferrer" href="https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_curve.html">средствами sklearn</a> приведет к завышению показателей метрики ввиду особенностей процедуры подсчета (интерполяции точек кривой).&nbsp;Тестовые данные представляют собой 70 дней операций, сгруппированные в 10 недель.&nbsp; Отсчет идет с <code>2025-06-01</code> по <code>2025-08-09</code>, первая неделя идет с <code>2025-06-01</code> по <code>2025-06-07</code>, и т.д. &nbsp;Соотношение public/private в соревновании составляет 30/70 и разделено по времени (по неделям):&nbsp;<ul><li>Недели 1, 3 и 5 используются для результатов на public лидерборде.&nbsp;</li><li>Остальные 7 недель используются для результатов на private лидерборде.</li></ul>Победители соревнования определяются по результатам на private лидерборде.&nbsp; Для private лидерборда можно выбрать до 2-ух 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 1, &ldquo;Страж&rdquo;</h3>

1 место: 1 000 000 рублей 
2 место: 500 000 рублей 
3 место: 300 000 рублей

Спецноминация Companion:&nbsp;

1 место &mdash; 50 000 рублей 
2 место &mdash; 50 000 рублей

Участникам необходимо решить задачу классификации неподтвержденных операций клиентов банка на основе данных историй операций в различных каналах.

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.

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 2026

Data Fusion Contest 2026 - Задача 1 "Страж"

Predictions

artem goncharov

Vasiliy Kudryavtsev

Андрей Гайдулян

insuperabilehart

лопат иванин

Artur

x1f3192f98ee9

a2ac177985042

Egor Andreasyan

feel the shnene

Ivan Glebov

Mark Slavin

Михаил Вершинин

больше чем бустинг

Cole Palmer

Maxim

2_AMI_boys

Special Cursoed

Iurii Kirilenko

Михаил Кондрашов

Tagir Analyzes

Alexander Ladzin

PR-AUC

#	Teams (22)	PR-AUC	Last	Entries
1	artem goncharov	0.0927197466	12h	5
2	Vasiliy Kudryavtsev	0.0892196269	11h	5
3	Андрей Гайдулян	0.0880141022	5h	3
4	insuperabilehart	0.086936817	7h	5
5	лопат иванин	0.0857477145	12h	2
6	Artur	0.083350629	8h	3
7	x1f3192f98ee9	0.0808370791	2h	5
8	a2ac177985042	0.0760830293	3h	1
9	Egor Andreasyan	0.0725710842	10min	3
10	feel the shnene	0.0718356215	6h	5
11	Ivan Glebov	0.0672800903	2h	7
12	Mark Slavin	0.0638549256	5h	2
13	Михаил Вершинин	0.0623312158	9h	5
14	больше чем бустинг	0.0587305807	5h	2
15	Cole Palmer	0.0536109322	7h	5
16	Maxim	0.0358291205	3h	1
17	2_AMI_boys	0.0246452121	10h	1
18	Special Cursoed	0.0201371392	13h	2
19	Iurii Kirilenko	0.0201371392	13h	2
20	Михаил Кондрашов	0.0201371392	11h	1
21	Tagir Analyzes	0.0201371392	9h	1
22	Alexander Ladzin	0.0199262227	7h	1