{
  "fetched_at": "2026-10-19T12:52:21Z",
  "source_url": "https://www.kaggle.com/competitions/cian-datafest-2019/data",
  "pages": [
    {
      "name": "rules",
      "content": "Можно использовать только python 3.6: стандартные библиотеки питона и \n\n- numpy==1.16\n- scipy==1.2.1\n- pandas==0.24.2\n- Pillow==6.0.0\n- matplotlib==3.0.3\n\nНастроить своё виртуальное окружение можно так (предварительно занесите все вышеуказанные библиотеки в файл requirements.txt):\n\nvirtualenv datafest_env --python=python3.6\n\nsource datafest_env/bin/activate\n\npip install -r requirements.txt \n\n\n\nТоп-10 решений мы просим прислать в виде ipynb до 18:15 на емейл p.tarasov@cian.ru. Если ноутбук не выполняется (падает, не создает на выходе submission.csv, не укладывается в лимит - пол часа), решение не засчитывается. Авторы трех лучших решений из private лидерборда, которые прошли валидацию у нас, получают приз! Удачи!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<p>Данные для задания состоят из двух выборок: выборка для обучения (train.zip) и для тестирования (test.zip). Каждая из выборок содержит в себе изображения, сделанные внутри или вне помещения.</p>\n<p>Выборка для обучения разбита на две части в соответствии с таргетом.</p>\n<ul>\n<li><strong>Outdoor</strong> - target равен 1</li>\n<li><strong> Indoor</strong> - target равен 0</li>\n</ul>\n<p>Выборка для тестирования представлена без разбиения на две части</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Привет! Мы подготовили для Вас несложный, но занимательный контест.\n\n<h3>Задача</h3>\nВам предстоит решить стандартную задачу бинарной классификации реальных изображений, взятых с нашего сайта [CIAN][1]. По каждой из фотографий нужно предсказать, что изображено: фото внутреннего жилого помещения или что-либо снаружи.\n\nРазмер всех изображений не более чем 100 пикселей по длинной стороне. Соотношения классов в тестовой и скрытой выборке одинаково.\n\nДатасет собирался автоматизированным способом и в нем присутствует шум, то есть некоторые изображения могут быть помечены неверно.\n\n<h3>Требования</h3>\nВаше финальное решение (обучение модели и предсказание на датасете) должно быть \n\n - предоставлено в виде ipython-ноутбука или питоновского пакета(Python3.x)\n - - где на выходе получаем csv с предсказаниями\n - работать не более, чем за 30 минут на MacBook Pro (мы должны успеть проверить решения)\n - использовать только следующие библиотеки:\n - - стандартные библиотеки питона\n-  numpy\n-  scipy\n-  matplotlib\n - если Ваше решение не воспроизводится с вышеуказанными требованиями, оно принято не будет\n\n<h3>Оценивание</h3>\nВаши предсказания будут оцениваться метрикой ROC AUC на тестовом и скрытом датасете. \n\nПервые 10 участников из Private Leaderboard должны предоставить полный код обучения модели и предсказания на нашем датасете. То есть прислать воспроизводимый код, где результат получен только с помощью требуемых библиотек и с указанным random seed если исплользуется сэмплирование.\n\nПервые 3 из Private Leaderboard, чье решение удовлетворяет требованиям, и будут объявлены победителями!\n\nВсем удачи!\n\n  [1]: http://cian.ru",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>Метрика данного соревнования  будет <a href=\"https://en.wikipedia.org/wiki/Receiver_operating_characteristic\">ROC-AUC</a>. </p><p>\n</p><h2>Формат посылки</h2>\n<p>Файл должен содержать заголовок и иметь следующий формат:</p>\n<pre>image_number,prob_outdoor<br>0,0.123<br>1,0.987<br>2,0.465<br></pre>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}