Команда машинного обучения <a href="https://ecom.tech/" rel="noopener noreferrer" target="_blank">ecom.tech</a> создаёт технологии на основе машинного обучения и искусственного интеллекта для сервисов Самокат и Мегамаркет, логистики в ритейле. <a href="https://dls.samcs.ru/" rel="noopener noreferrer" target="_blank">Deep Learning School</a> вместе с <a href="https://ecom.tech/" rel="noopener noreferrer" target="_blank">ecom.tech</a> создали это соревнование вместе, чтобы интегрировать опыт команды с образованием в области глубокого обучения.

<figure class="image"><img src="https://storage.yandexcloud.net/ds-ods/files/content/2024/09/24/dcb92752/photo_2024-09-19_14-28-27.jpg" /></figure>

Постановка задачи

Команда машинного обучения пользовательского контента занимается внедрением ML-сервисов как для модерации контента, который публикуют пользователи, так и для генерации нового контента на карточках товара. В основном мы работаем с текстовыми данными. Для решения поставленных задач используем различные методы, начиная от rule-based подходов, заканчивая обучением крупных языковых моделей (LLM).&nbsp;

Здесь вам предлагается решить задачу множественной классификации текстов для определения всех классов, к которым можно отнести каждый экземпляр. Множественная классификация отличается от многоклассовой тем, что экземпляр данных может одновременно относиться сразу к нескольким классам. В задании представлены ответы на опрос, состоящий из части с выбором ответа из списка и расширенного комментария с произвольным текстом. Необходимо для каждого ответа из 50 различных меток классов выбрать все затронутые. В этом задании на вход будет подаваться текст и выбранные теги из ответа на опрос.

Задача - для каждого ответа предсказать все классы затрагиваемых тематик.&nbsp;

Данные

<ul>
	<li>train.csv - ID + текст из ответа + теги из ответа + таргет по каждому классу из ответа;&nbsp;</li>
	<li>test.csv - ID + текст из ответа + теги из ответа;&nbsp;</li>
	<li>sample_submission.csv - формат ответа: ID - id продукта, предсказание по каждому из 50 классов;&nbsp;</li>
	<li>baseline.ipynb - ноутбук с простым решением;</li>
	<li>trends_description.csv - файл с полным описанием меток класса.&nbsp;</li>
</ul>

Призы&nbsp; 
 
ТОП-20 участников соревнования получат памятные подарки от <a href="https://ecom.tech/" rel="noopener noreferrer" target="_blank">ecom. tech</a>: мерч и промокоды на покупки в Самокате.&nbsp; 
ТОП-3 получат личные консультации с ML-специалистами из <a href="https://ecom.tech/" rel="noopener noreferrer" target="_blank">ecom.tech</a>. 
 
Связаться? 
 
Переходите в наш <a href="https://t.me/DLS_NLPWorshop" rel="noopener noreferrer" target="_blank">Tg-канал</a> и узнавайте все новости соревнования, а <a href="https://t.me/+iYsLkrEFYvQ4OTc6" rel="noopener noreferrer" target="_blank">в чате</a> можно задать вопросы организаторам. Также можете присоединяться к хабу <a href="https://ods.ai/hubs/ecom-tech" rel="noopener noreferrer" target="_blank">ecom.tech</a>. 
 
Зарегистрироваться? 
 
Можно <a href="https://talent.kruzhok.org/events/7724" rel="noopener noreferrer" target="_blank">здесь</a>.

В рамках соревнования предлагается решить одну из реальных задач, с которыми работает ML-команда ecom.tech — задачу множественной классификации текстов для автоматизации исследования обратной связи пользователей Самоката.

Public

Private

Данные

User Agreement RU

Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/UserAgreementGeneral.pdf" rel="noopener noreferrer" target="_blank">Пользовательским соглашением и Политикой конфиденциальности</a>

Privacy Policy RU

Я даю свое <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DLS_Ecom_NLP_intensiv_2024/Consent_NLP_int_2024.pdf">согласие</a> ООО &ldquo;Соревнования Анализа Данных&rdquo; на обработку и передачу моих персональных данных партнерам мероприятия для информационного взаимодействия

Consent

Я согласен(а) получать информационные рассылки от ООО &ldquo;Соревнования Анализа Данных&rdquo;&nbsp;про ключевые активности на ODS.AI

Благодарим за интерес к соревнованию&nbsp;NLP интенсиву.

Заполните, пожалуйста, форму ниже.

Согласия, отмеченные&nbsp; (*) - обязательные.

first_name

First name

last_name

Last name

talentid

Talent-ID

email

Email

country

Country (lat)

city

City (lat)

Occupation

study_place2

Company/study place name

Experience

Experience in DC

Registration application for Ecom NLP Workshop 2024

NLP интенсив: задача множественной классификации обратной связи от пользователей

#	Teams (96)	Accuracy Score	Last	Entries
1	Andrey Khlopotnukh	0.6061613475	2y	24
2	Передумал хочу роллы	0.6032801418	2y	45
3	ML lebt immer noch	0.5760195035	2y	59
4	escape from misis	0.5731382979	2y	62
5	Andrew Valukhov	0.5726950355	2y	61
6	Dmitrii Martynov	0.5616134752	2y	8
7	с богом	0.5567375887	2y	15
8	Jew	0.5520833333	2y	29
9	Vadim Samoilov	0.5476507092	2y	43
10	mb99e06afc91b--ksv	0.5378989362	2y	54
11	acb957a44e987	0.5336879433	2y	21
12	Anastasia Chernaya	0.5223847518	2y	9
13	Alexander	0.521498227	2y	14
14	aliyalvtsaa	0.5159574468	2y	24
15	Anton T	0.5115248227	2y	28
16	Seidel	0.5024379433	2y	25
17	Artem Petrov	0.5022163121	2y	13
18	Danila Kulemin	0.5022163121	2y	22
19	Alsu Iavisheva	0.4971187943	2y	19
20	DSC	0.4955673759	2y	27
21	h11e2cab8bd9f	0.4953457447	2y	18
22	Mikhail Solovev	0.4931294326	2y	26
23	Aleksandr	0.4891400709	2y	26
24	A T	0.4835992908	2y	24
25	Dan As	0.4791666667	2y	12
26	Dmitrii Naumov	0.4711879433	2y	12
27	Mertionar	0.4632092199	2y	7
28	Irina Martynova	0.4616578014	2y	40
29	Ildar	0.4474734043	2y	8
30	Oleg Papulov	0.4399379433	2y	10
31	Alexander Pavlov	0.4377216312	2y	22
32	Turbo	0.4366134752	2y	16
33	Sergei Razumov	0.4348404255	2y	19
34	Artem Chernyakin	0.4312943262	2y	41
35	Shura V	0.428856383	2y	28
36	Великий Устюг Дед Мороз	0.4204343972	2y	13
37	Kalaichidi Vladimir	0.4179964539	2y	22
38	Igor Sh	0.4038120567	2y	39
39	FCDD	0.4000443262	2y	7
40	Timur Kebekov	0.397606383	2y	1
41	u3e28bcfe12dc	0.3927304965	2y	3
42	Artem Fatkulin	0.3916223404	2y	1
43	ddd	0.3851950355	2y	16
44	Evgenii Malov	0.3845301418	2y	7
45	Air	0.3843085106	2y	24
46	Anastasiia Kokoeva	0.3829787234	2y	9
47	dweebishqys	0.3803191489	2y	16
48	magewade	0.3727836879	2y	12
49	Vyazma	0.3714539007	2y	15
50	Artur Sobol	0.3696808511	2y	13