{
  "fetched_at": "2026-10-19T21:01:52Z",
  "source_url": "https://www.kaggle.com/competitions/ai-talent-hub-ml-1-v2/data",
  "pages": [
    {
      "name": "data-description",
      "content": "### Файлы\n\n#### train_dataset.csv\n* **Описание:** Обучающий набор данных.\n* **Колонки:**\n  - **colN:** Признаки, представленные в формате чисел с плавающей точкой (float).\n  - **target:** Целевая переменная, принимающая значения 0 или 1.\n\n#### test_dataset.csv\n* **Описание:** Тестовый набор данных.\n* **Колонки:**\n  - **colN:** Признаки, представленные в формате чисел с плавающей точкой (float).\n  - **ID:** Идентификатор строки.\n\n#### submission_example.csv\n* **Описание:** Образец файла для отправки в правильном формате.\n* **Колонки:**\n  - **ID:** Идентификатор строки.\n  - **target:** Предсказанное значение целевой переменной.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Онлайн-магистратура **AI Talent Hub** сотрудничает с большим количеством компаний в разных доменных областях. Компании-партнеры регулярно обращаются с запросом провести исследования, разработать проект и т.п. в сфере Искусственного интеллекта.\n\nНа этот раз в **AI Talent Hub** обратилась крупная e-commerce компания.\nОдним из основных способов продвижения товаров, сервисов и услуг является реклама в соцсетях. Качественная реклама требует хорошего понимания аудитории. Один и важных параметров для настройки рекламы в соцсетях - пол человека.\n\nКомпания заботится о своих клиентах и не хотят перегружать пользователей не релевантными для них товарами.\n\nЦель запроса - показывать в соцсетях рекламу товаров, соответствующих гендеру пользователя.\nВам нужно разработать модель машинного обучения, которая будет быстро и точно предсказывать пол пользователя соцсетей. Это необходимо, чтобы реклама была эффективной: демонстрировалась пользователям соответствующего гендера. \n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Metric",
      "content": "### Описание метрики оценки: F1-score\n\n**F1-score** — это статистическая мера, используемая для оценки точности бинарных классификаций. Она сочетает в себе показатели точности и полноты в одно число, предоставляя общий показатель качества модели, особенно в условиях несбалансированных классов. F1-score особенно полезен, когда необходимо найти баланс между точностью предсказаний (precision) и их полнотой (recall), что делает его идеальным для многих задач машинного обучения, где одинаково важно как избежать ложноположительных результатов, так и не пропустить истинноположительные.\n\n#### Формула F1-score\n\nМетрика F1-score рассчитывается по следующей формуле:\n\n$$ F1 = 2 \\times \\frac{{\\text{Precision} \\times \\text{Recall}}}{{\\text{Precision} + \\text{Recall}}} $$\n\nгде:\n- **Precision** (Точность) определяется как доля истинноположительных результатов среди всех объектов, классифицированных как положительные.\n$$ \\text{Precision} = \\frac{{TP}}{{TP + FP}} $$\n- **Recall** (Полнота) определяется как доля истинноположительных результатов среди всех реальных положительных объектов.\n$$ \\text{Recall} = \\frac{{TP}}{{TP + FN}} $$\n\nЗдесь:\n- \\( TP \\) (True Positives) — количество правильно классифицированных положительных случаев;\n- \\( FP \\) (False Positives) — количество отрицательных случаев, ошибочно классифицированных как положительные;\n- \\( FN \\) (False Negatives) — количество положительных случаев, ошибочно классифицированных как отрицательные.\n\n#### Как будет использоваться F1-score\n\nВаша модель будет оцениваться на основе F1-score, рассчитанного для предсказаний по тестовому набору данных. Высокий F1-score указывает на то, что ваша модель не только точно идентифицирует положительные случаи, но и эффективно минимизирует число ложных срабатываний и пропусков.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "**Правила подачи результатов**\n1. **Количество попыток:** Каждый участник может отправить не более 10 попыток в день. Под попыткой понимается отправка файла с предсказаниями на тестовом наборе данных.\n\n2. **Формат файлов:** Файлы должны быть представлены в формате, указанном в разделе \"Data\" на странице соревнования. Неправильный формат файла может привести к дисквалификации попытки.\n\n3. **Оценка результатов:** Оценка предсказаний производится автоматически системой Kaggle на основе заранее определенной метрики, описанной в разделе \"Evaluation\". Для финальной оценки результатов будет использоваться `private leaderbooard`.\n\n**Этические стандарты**\n1. **Честность:** Ожидается, что участники будут действовать честно и не будут использовать запрещенные методы для улучшения результатов, включая, но не ограничиваясь: множественные регистрации, преднамеренное искажение данных.\n\n2. **Конфиденциальность данных:** Участникам запрещается делиться ответами или специфичной информацией о тестовом наборе данных с другими участниками или вне соревнования.\n\n**Последствия нарушений**\nУчастники, нарушающие правила, могут быть дисквалифицированы или исключены из соревнования без предоставления права на возражение.\n\n**Изменения правил**\nОрганизаторы соревнования оставляют за собой право вносить изменения в правила и условия соревнования в любое время без предварительного уведомления. Участникам необходимо регулярно проверять раздел \"Rules\" на изменения.\n\n**Вопросы**\nЗадать вопрос можно в разделе Discussion текущего соревнования, создав новую тему.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "Стартовал первый этап вступительных испытаний в онлайн-магистратуру AI Talent Hub — испытание по ML.\nЭтот этап длится до 28 июля 11:00.\n\nВторая задача находится по ссылке https://www.kaggle.com/competitions/ai-talent-hub-ml-2-v2\n\nБаллы за задачу вычисляются на основе загруженных предсказаний для соответствующего тестового набора данных.\nОбращаем внимание, что участник должен отправить предсказания для всего тестового набора. У вас есть 10 попыток в сутки.\n\nУдачи!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}