<h3>Описание задачи</h3>

<p>Вам предстоит разработать алгоритм, способный прогнозировать липофильность малых органических молекул. Данный параметр по сути представляет коэффициент распределения между неполярной и полярной фазой &mdash; соотношение растворимостей рассматриваемого соединения в октаноле-1 и воде. Липофильность является важным параметром, расчет которого является неотъемлемой частью разработки новых лекарственных средств.</p>

<h3>Метрика</h3>

<p>Для оценки решений будет использована стандартная метрика для регрессионных задач, корень из <a href="https://scikit-learn.org/stable/modules/model_evaluation.html#mean-squared-error" rel="noopener noreferrer" target="_blank">средней квадратичной ошибки</a> (<i>root&nbsp;mean&nbsp;square&nbsp;error,&nbsp;RMSE</i>)</p>

<h3>Baseline</h3>

<p>Вам доступно базовое решение от разработчиков задачи с использованием библиотек <a href="https://scikit-learn.org" rel="noopener noreferrer" target="_blank">scikit-learn</a> и <a href="https://www.rdkit.org/docs/index.html" rel="noopener noreferrer" target="_blank">RDKit</a>.<br />
Предполагаемый пайплайн работы модели включает в себя следующие этапы:</p>

<ol>
<li>Генерация представления молекул, пригодного для использования в качестве входных данных для предсказательных моделей</li>
<li>Предсказание целевого параметра исходя из сгенерированного представления</li>
</ol>

<h3>Прием решений&nbsp;</h3>

<p>Решения принимаются до 14 декабря 12:00 (мск). Далее до 23:59 14 декабря необходимо выбрать финальные решения.</p>

В рамках этого сезона профиля «Искусственный интеллект» НТО участникам предстоит погрузиться в проблематику области и освоиться в работе с молекулами и их свойствами. Ведь в отличие от более привычных задач ИИ, здесь важно, помимо прочего, научить алгоритм учитывать законы природы с ее чрезвычайно сложной и порой неизвестной организацией, управляемой строгими, но не всегда применимыми на практике законами.

Public

Private

Данные

User agreement

<p>Я прочитал(-а) и согласен(-на) с <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/UserAgreement.pdf" rel="noopener noreferrer" target="_blank">Пользовательским соглашением и Политикой конфиденциальности</a></p>

Personal data

<p>Я даю свое <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/NTO_2023_2024/Consent_23_24.pdf" rel="noopener noreferrer" target="_blank">согласие</a> ООО &ldquo;Соревнования Анализа Данных&rdquo; на обработку и передачу моих персональных данных партнерам мероприятия для информационного взаимодействия</p>

Consent

<p>Я <a href="https://storage.yandexcloud.net/datasouls-ods/CourseFest_1/Docs/Email.pdf" rel="noopener noreferrer" target="_blank">согласен(а)</a> получать информационные рассылки от ООО &ldquo;Соревнования Анализа Данных&rdquo;&nbsp;</p>

Contest Rules

<p>Согласен (-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/content/2023/11/22/36e75574/Competition_rules_NTO_23_24.pdf">Правилами Конкурса</a></p>

<p>&nbsp;</p>

<p>You have reached the registration page for the Artificial Intelligence profile of the National Technology Olympiad 2023/24. <strong>When registering, please give your Talent-ID, the same email and the correct name you gave when you registered for the NTO.</strong></p>

email

Email

talentid

#	Teams (211)	Root Mean Squared Error	Last	Entries
1	gpt4isalluneed	0.1515437578	15m	11
2	Leonid Grebenuk	0.1620865882	15m	19
3	rox plays the seeds	0.1770624051	15m	48
4	Moonlay	0.2160030009	15m	21
5	Nicolay Plashinskiy	0.2497587291	15m	9
6	S	0.2575835746	15m	6
7	Дмитрий Быков	0.2739021249	15m	4
8	адиля калмурзз	0.309894856	15m	15
9	NEDENIS	0.333941682	15m	26
10	Evgeniia Petukhova	0.3526804717	15m	17
11	Vadim Vetrov	0.3818232478	15m	42
12	Igor Dmitrievich Ignatov	0.3904913134	15m	9
13	Misha Murzaev	0.3942719723	15m	14
14	Гарифуллин Тимур	0.3960760193	15m	24
15	Konstantin Ignatov	0.3972972404	15m	22
16	moti4k	0.4006371289	15m	4
17	Egor Iurov	0.4032754937	15m	13
18	Масло	0.4090689329	15m	18
19	dead4an	0.4098348931	15m	49
20	Калинин Эм	0.4101371322	15m	56
21	German Kek	0.4109489427	15m	34
22	Artiom Gorokhov	0.4162218195	15m	6
23	Roman Pakhomov	0.4179482128	15m	17
24	Seniors	0.4181397063	15m	2
25	l64894b4fcc02	0.4219623946	15m	10
26	twwist	0.4246933659	15m	16
27	Ian Gustov	0.4264835078	15m	10
28	Alex Ast	0.4294202639	15m	15
29	Cheburek	0.4304527894	15m	4
30	Rostislav Volodikhin	0.4309144061	15m	42
31	Maksim Kulagin	0.4381899081	15m	29
32	Мативацию надо паднять	0.4395271673	15m	5
33	vlyrdv	0.4410754519	15m	13
34	ISY	0.4415973173	15m	14
35	Andrey Khlopotnukh	0.4416659162	15m	7
36	mattqx	0.4432755106	15m	18
37	Dmitry Filinov	0.4458117591	15m	11
38	Egor Andreasyan	0.4475920299	15m	36
39	жесть аллюминий	0.4476572826	15m	13
40	Daniil Teplov	0.4479205684	15m	30
41	Krylov Aleksandr	0.448871402	15m	19
42	Giovani Artemio	0.448871402	15m	2
43	xdd	0.4490975492	15m	11
44	Bonifaciy Black	0.4560872653	15m	17
45	Fedor Fedorov	0.4564839008	15m	13
46	Михаил Вершинин	0.4569737709	15m	17
47	danil karpov	0.4574482499	15m	15
48	Anton Petlin	0.4584290354	15m	2
49	qa554d1c8a7b0	0.4597078035	15m	11
50	Sunik Timofey	0.4597798968	15m	37