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	Передумал хочу роллы	0.6073728625	2y	45
2	Andrey Khlopotnukh	0.593826338	2y	24
3	escape from misis	0.5778369976	2y	62
4	Andrew Valukhov	0.5727292916	2y	61
5	с богом	0.5713968465	2y	15
6	ML lebt immer noch	0.5685098823	2y	59
7	Dmitrii Martynov	0.5647346214	2y	8
8	Jew	0.5520763935	2y	29
9	Vadim Samoilov	0.5460803909	2y	43
10	Alexander	0.5378636465	2y	14
11	mb99e06afc91b--ksv	0.5325338663	2y	54
12	acb957a44e987	0.5307572729	2y	21
13	Anastasia Chernaya	0.5274261603	2y	9
14	Anton T	0.5203197868	2y	28
15	aliyalvtsaa	0.5078836331	2y	24
16	Seidel	0.503886298	2y	25
17	Danila Kulemin	0.5014434821	2y	22
18	Artem Petrov	0.501221408	2y	13
19	h11e2cab8bd9f	0.4990006662	2y	18
20	Alsu Iavisheva	0.498778592	2y	19
21	DSC	0.4978902954	2y	27
22	A T	0.496113702	2y	24
23	Mikhail Solovev	0.4954474795	2y	26
24	Aleksandr	0.4854541417	2y	26
25	Dan As	0.4810126582	2y	12
26	Dmitrii Naumov	0.4712413946	2y	12
27	Mertionar	0.4699089496	2y	7
28	Irina Martynova	0.460137686	2y	40
29	Ildar	0.4505884966	2y	8
30	Turbo	0.449922274	2y	16
31	Shura V	0.4417055296	2y	28
32	Alexander Pavlov	0.4412613813	2y	22
33	Artem Chernyakin	0.4388185654	2y	41
34	Oleg Papulov	0.4381523429	2y	10
35	Sergei Razumov	0.4321563402	2y	19
36	Kalaichidi Vladimir	0.4281590051	2y	22
37	Великий Устюг Дед Мороз	0.4281590051	2y	13
38	Igor Sh	0.411281368	2y	39
39	Artem Fatkulin	0.4032866978	2y	1
40	ddd	0.4021763269	2y	16
41	FCDD	0.4012880302	2y	7
42	Air	0.3948478792	2y	24
43	u3e28bcfe12dc	0.3948478792	2y	3
44	dweebishqys	0.394625805	2y	16
45	Timur Kebekov	0.3930712858	2y	1
46	Anastasiia Kokoeva	0.3924050633	2y	9
47	Evgenii Malov	0.3841883189	2y	7
48	Vyazma	0.380413058	2y	15
49	magewade	0.3737508328	2y	12
50	CHEL	0.3708638685	2y	8