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