{
  "fetched_at": "2026-10-19T12:30:26Z",
  "source_url": "https://www.kaggle.com/competitions/customer-analytics-2025/data",
  "pages": [
    {
      "name": "data-description",
      "content": "Az adataink struktúrája igen egyszerű, egy-egy látogatót egy-egy sor reprezentál. Minden sorban láthatjuk az anonim azonosítóját, majd azt, hogy megadott több mint 100 témában (“Topic101_” prefix) hányszor utalt arra, hogy egy téma érdekes (“_ic” postfix a változó nevében) számára az, vagy utasította el azt (“_ec” postfix a változó nevében). Végül a célváltozó látható a tanító adathalmaz esetében, míg ez a változó nem adott a test adathalmaznál, a verseny feladata pont ennek az értékének becsléséhez köthető (pontosan ezen változó 1-es értékének valószínűségét kell megadnunk).\n\nAz alábbiakban az egyes változók neveit és eloszlásait mutatja be a Kaggle saját felületén.\n\nKiértékeléshez fel kell töltened egy úgynevezett submission file-t, amiben a test adathalmaz cookie_id-jai és a hozzájuk tartozó valószínűségek találhatók meg (példa file-ként láthatsz egy megoldást is “pelda_submission.csv” néven).\n\nA kiértékelést az általad beküldött adatokkal a ROC görbe AUC értékével valósítjuk meg, minél magasabb ez az érték, annál jobb a modelled.\n\nFontos értened a kaggle kiértékelési módszertanát is: az adott versenynél a beküldött 100.000 sornyi adatot megfelezi a Kaggle, majd mindkét felén kiértékeli azt az AUC függvény segítségével. A public leaderboard-on az első részen elért eredményt látod, ez egyfajta tájékoztató jellegű visszacsatolás. A versenyen (és a jegy meghatározásban) azonban nem ezzel az értékkel veszel részt, hanem a private leaderboard nevű listán kell jó eredményt elérned: ezt az adatok második felén számított AUC értéket jelenti. Ezt az életszerűség biztosítása végett sosem láthatod, egyedül a vizsgaalkalmad előtti nap 12 órájakor olvassuk mi le neked.\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Egy osztályozási feladatot kell megoldanod az online marketing világából Képzeld el, hogy egy online felületekből álló rendszerben tudod nyomonkövetni az egyes felhasználók aktivitását. Látod mi tetszett nekik és mi nem témánként: ha van egy terméked / tartalmad / témád, és azt felajánlottad a látogatónak, akkor az aktivitásából te arra következdtetsz, hogy az adott téma hányszor érdekli-e őt (a \"ic\" végű oszlopok tartalma), és hány olyan esetet láttunk, amikor elutasította az adott topic-ot (az \"ec\" végű oszlopok. Természetesen tudjuk a felhasználók azonosítóját (\"cookie_id\"), illetve az adatok egy részénél azt is, hogy egy konkrtét kampányra pozitívan vagy negatívan reagált (1 és 0 értékre van kódolva az adathalmazban.) A kérdés, hogy tudsz-e egy elég jó megoldást készíteni, ami képes azon sorokra is megbecsülni a célváltozó értékét, ahol ezt nem adtuk meg.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "A kiértékelést az általad beküldött adatokkal a ROC görbe AUC értékével valósítjuk meg, minél magasabb ez az érték, annál jobb a modelled.\nFontos értened a kaggle kiértékelési módszertanát is: az adott versenynél a beküldött 100.000 sornyi adatot megfelezi a Kaggle, majd mindkét felén kiértékeli azt az AUC függvény segítségével. A public leaderboard-on az első részen elért eredményt látod, ez egyfajta tájékoztató jellegű visszacsatolás. A versenyen (és a jegy meghatározásban) azonban nem ezzel az értékkel veszel részt, hanem a private leaderboard nevű listán kell jó eredményt elérned: ezt az adatok második felén számított AUC értéket jelenti. Ezt az életszerűség biztosítása végett sosem láthatod, egyedül a vizsgaalkalmad előtti nap 12 órájakor olvassuk mi le neked.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- A megoldásod mellett a módszeredet bemutató kódot is mellékelned kell.\n- A hallgatók közötti közvetlen kooperáció a verseny alatt nem megengedett.\n- A Team fülön beállíthatod, hogy ennél a versenynél milyen néven fogsz futni. - - Kérlek olyan névre változtasd ezt meg, aminek a prefixe a saját Neptun kódod.\n- A private leadboard nem lesz publikálva sosem.\n- El kell érni a minimális pontszámig legalább a baseline megoldás szintjét.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "A verseny a Customer Analytics tárgyhoz került kiírásra",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}