Кто там? Предскажите, кто вошел в здание по времени и турникету. Но теперь легче: мы знаем, что "след" через турникеты принадлежит "Х". Кто этот "Х" предстоит вычислить по данным, которые нам известны. А ID юзеров известны по обучающей выборке (кроме нескольких новых!).
Примите участие в первом DataScience-соревновании от Альфа-Банка! Это не будет соревнованием по машинному обучению, так как на последнем этапе вы не будете подбирать гиперпараметры, а будете выбирать данные для разметки, как это происходит на практике, чтобы улучшить свое решение
Можно ли защититься от современных атак на ML модели, не сильно потеряв в качестве? Постройте свою модель, решающую ту же задачу классификации, но при этом устойчивую к Adversarial ML атакам на входные данные.
На что способен Adversarial ML для атак ML моделей на транзакционных данных? Попробуйте обойти, исказить и атаковать предложенную вам модель классификатора через атаку на данные.
Первое соревнование от МТС Digital Big Data по определению пола/возраста владельца cookie длительностью два месяца
В этом соревновании тебе предстоит обучить модель, которая предсказывает, какую классификацию по шкале Bi-Rads врачи поставили тому или иному пациенту.
Упражнение для тех, кто хочет научиться работать с индустриальными данными транзакций и кликстримов: создайте алгоритм, способный предсказывать наличие высшего образования у клиента.
Разминочная задача: решите Matching задачу в случае, когда все кандидаты в паре заранее известны, но сами пары не предоставлены. Простор для пост-обработки, схожей с составлением паззла.
Решите Matching задачу: по данным транзакций и кликстрима, требуется сперва построить обезличенные вектора. Затем для каждого клиента ВТБ нужно сопоставить вектора и отранжировать клиентов "Ростелекома" по вероятности их совпадения.
Our website uses cookies, including web analytics services. By using the website, you consent to the processing of personal data using cookies. You can find out more about the processing of personal data in the Privacy policy