{
  "fetched_at": "2026-10-19T07:44:01Z",
  "source_url": "https://www.kaggle.com/competitions/aesthetic-visual-analysis/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<h2>File descriptions</h2>\n<ul>\n<li><strong>train.csv</strong> - the training set</li>\n<li><strong>test.csv</strong> - the test set</li>\n<li><strong>sampleSubmission.csv</strong> - a sample submission file in the correct format (его можно сгенерировать по примеру в ноутбуке)</li>\n</ul>\n Не обращайте внимания на столбец index, важен номер изображения - столбец image (номер изображения).\nСтолбец label соответствует метке класса:\n<li>0 - не качественные</li>\n<li>1 - качественные</li>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>The evaluation metric for this competition is <a href=\"https://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html\"> Accuracy</a>.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Ставится задача отличить изображения хорошего качества от изображений низкого качества (в данный соответствующие метки классов 0 и 1). Советуем провести анализ данных и вникнуть в то, что понимается под качеством (в данном случает это очевидно)\n\nВо вкладке Data приведены тестовая и тренировочная (без ответов) выборки. Вам необходимо построить на тренировочных данных модель для классификации и сделать предсказание для тестовых данных.\n\nНа сайт (вкладка submit prediction) необходимо залить предсказания принадлежности классам качества для тестовой выборки - набор пар, состоящих из номера изображения(не путать с индексом) и метки класса (только предсказания в csv, а не код!). У вас будет 7 попыток сделать предсказание, поэтому советуем сначала потренироваться на валидации. Также, ответы можно залить прямо из notebook-а, для этого создайте файл submition (название произвольное) и на вкладке output нажмите submit.\n\nПодготавливать и проверять(валидация) решение вы можете как на своих компьютерах, так и на платформе, во вкладке notebooks - тут вы можете создать свой ноутбук(по примеру уже подготовленного) и проводить расчеты с помощью мощностей kaggle (не забудьте включить  GPU).\n\nТочность сделанного вами предсказания и ваше место в общем рейтинге вы можете найти на вкладке leaderboard.  Оцениваться работа будет по публичной доске, так что вы сразу увидите свой рейтинг. \nДля победы необходимо:\n1. Побить два baseline-а (first и second).\n2. Быть на первом месте к моменту окончания соревнования.\n\nОкончание олимпиады - жесткий дедлайн - 23:59 по Москве, но организаторы могут попросить закончить раньше, советуем ориентироваться на 21:00, об изменениях сообщим заранее.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}