{
  "fetched_at": "2026-10-19T21:27:57Z",
  "source_url": "https://www.kaggle.com/competitions/ai-talent-hub-ml-1-v3-1/data",
  "pages": [
    {
      "name": "data-description",
      "content": "### Файлы\n\n#### train_dataset.csv\n* **Описание:** Обучающий набор данных.\n* **Колонки:**\n  - **0-29:** Признаки 0 до 29, 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  - **0-29:** Признаки 0 до 30, представленные в формате чисел с плавающей точкой (float).\n  - **ID:** Идентификатор строки.\n\n#### sample_submission.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": "**Описание задачи**\nОнлайн-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\nВ этот раз за помощью магистров **AI Talent Hub** обратилась крупная телеком-компания.\n\nКомпании требуется решение, которое позволит определять подозрительную активность аккаунтов пользователей. За каждым пользователем закреплен некоторый набор характеристик. Наименование  характеристик намеренно скрыты, так как могут содержать конфиденциальную информацию.\n\nНеобходимо предсказать,  относится ли аккаунт пользователя к подозрительному, основываясь на наборе характеристик для каждого пользователя из тестовой выборки.\n\n**Краткое описание данных**\nОбучающая и тестовая выборки состоят из обезличенных признаков каждого пользователя, соответствующих наборам характеристик. **Target** - целевой признак в обучающем наборе данных, принимающий значения 0 и 1 в зависимости от того, является ли аккаунт подозрительным или нет.",
      "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.\n",
      "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 15 августа 11:00.\nВторая задача находится по ссылке: https://www.kaggle.com/competitions/ai-talent-hub-ml-1-v3-2\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
    }
  ]
}