{
"fetched_at": "2026-10-19T07:34:26Z",
"source_url": "https://www.kaggle.com/competitions/binary-classification-offers-on-megamarket/data",
"pages": [
{
"name": "data-description",
"content": "Для решения задачи мы предоставляем обезличенные данные по товарным предложениям продавцов (offer) и товарах ассортимента маркетплейса \"Мегамаркет\" (goods). \nВ данных для каждого предложения уже найдены ближайшие товары из ассортимента и указаны основные признаки для этой пары. Необходимо только **классифицировать, какая из пар является матчем, а какая — нет.**\n\n## Files\n\n* **train.csv** - тренировочный набор данных\n* **test.csv** - тестовый набор\n\n## Columns\n\n* `offer_depersanalised` и `goods_depersanalised` - идентификаторы предложения и товара соответственно\n* `sum_length` - суммарная длина пары названий и атрибутов в символах\n* `attrs+title_score` - вероятность матча от рескоринговой модели\n* `offer_price` и `goods_price` - цена предложения и товара соответственно\n* `goods_category_id` - категория товара\n* `id` - идентификатор пары offer_depersanalised + $ + goods_depersanalised\n* `target` (только в train.csv) - метка класса (0 - не матч, 1 - матч)\n\n## Embeddings\n\n* `goods_image_vectors` и `offer_image_vectors` - содержат файлы с векторами изображений (embed_deperson.npy) и их идентификаторами (items_deperson.npy) для товаров ассортимента и предложений соответственно. Объекты в файлах соотносятся 1 к 1\n* `goods_title_vectors` и `offer_title_vectors` - содержат файлы с векторами названий+атрибутов (embed_deperson.npy) и их идентификаторами (items_deperson.npy) для товаров ассортимента и предложений соответственно. Объекты в файлах соотносятся 1 к 1",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "Description",
"content": "Команда машинного обучения Samokat.tech создаёт модели для прогнозирования спроса, планирования ассортимента, роботизации логистики, автогенерации пользовательского контента и для многих других задач.\n\n### **Узнай больше о наших технологиях:**\n\n\n**1. Интервью с руководителем ML-команды Samokat.tech**\n\n\n\n**2. [Мега]Матчер. Система соответствий товаров: ожидания, проблемы и решения в e-commerce платформе**\n\n\n**3. ML в маркетинге: предсказываем индивидуальный период оттока пользователей или неожиданные свойства квантильной регрессии**",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "Постановка задачи",
"content": "### В данном соревновании мы предлагаем вам решить одну из практических задач команды матчинга и машинного обучения.\n\n---\n\nКоманда матчинга и машинного обучения работает с предложениями продавцов маркетплейса, ассортиментом, товарами конкурентов.\n\nМы работаем с изображениями, текстами, табличными данными и используем модели глубокого обучения и компьютерного зрения.\n\n**Здесь предлагаем задачу по матчингу товаров:**\nВам предстоит реализовать финальную часть [пайплайна матчинга](https://www.youtube.com/live/3z3yTBprm_E?t=441s). В ней вы должны принять решение для каждой пары (товар предлагаемый продавцом — товар на площадке), является ли она матчем или нет (бинарная классификация). \nДля этого у каждой пары есть набор признаков и наборы векторов (картиночные и текстовые), которые описывают товары из этой пары.\n\nВ качестве метрики качества решения используется **F-score**.",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "rules",
"content": "Выкладывать код со своим решением в открытый доступ вы сможете по истечении 2 месяцев от старта соревнования, то есть не ранее 01/05/2024 г.\n\nЖелаем удачи!",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "abstract",
"content": "## **О команде ecom.tech (ex Samokat.tech)**\n**Мы создаём ИТ для ритейла реального времени.**\n\nНаша цель — сделать так, чтобы любые товары попадали в руки покупателям мгновенно, насколько это возможно в физическом мире.\n\nМы быстро растём — в 2020 году наши ИТ-продукты помогали доставлять 1,6 млн заказов в месяц в 4 городах России. Сейчас за первое полугодие 2023 года это 92 млн заказов и рост оборота на 90% в сравнении с прошлым годом*.\n\n\n\n\nТакой быстрый рост стал возможным благодаря технологиям и роботизации. Мы оцифровываем и автоматизируем все этапы создания ценности для клиента доставки: от закупки и логистики до работы дарксторов и управления промокампаниями.\n\n\n* — по данным INFOLine E-Grocery Russia TOP",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
},
{
"name": "О стажировках в Samokat.tech",
"content": "\n\nПосмотрите сами, как проходят стажировки у нас в команде.",
"isPublished": false,
"hasIsPublished": false,
"postTitle": "",
"hasPostTitle": false,
"mimeType": "",
"hasMimeType": false
}
]
}