{
  "fetched_at": "2026-10-19T15:28:54Z",
  "source_url": "https://www.kaggle.com/competitions/dlschool-fashionmnist2/data",
  "pages": [
    {
      "name": "rules",
      "content": "\r\n\t<!-- Begin Base Rules -->\r\n    <h3>One account per participant</h3>\r\n    <p>You cannot sign up to Kaggle from multiple accounts and therefore you cannot submit from multiple accounts.</p>\r\n    <h3>No private sharing outside teams</h3>\r\n    <p>\r\n        Privately sharing code or data outside of teams is not permitted.\r\n        It's okay to share code if made available to all participants on the forums.\r\n    </p>\r\n    <h3>Team Mergers</h3>\r\n    <p>Team mergers are not allowed in this competition.</p>\r\n\r\n    <h3>Team Limits</h3>\r\n    <p>There is no maximum team size.</p>\r\n    <h3>Submission Limits</h3>\r\n    <p>You may submit a maximum of 2 entries per day.</p>\r\n    <p>You may select up to 2 final submissions for judging.</p>\r\n    <h3>Competition Timeline</h3>\r\n    <p>Start Date: <strong>TBA</strong></p>\r\n    <p>Merger Deadline: <strong>None</strong></p>\r\n    <p>Entry Deadline: <strong>None</strong></p>\r\n    <p>End Date: <strong>2/1/2014 12:00 AM UTC</strong></p>\r\n\t<!-- End Base Rules -->\r\n<p>The rules page is a bit special: it will auto-update the text based on the parameters of the competition. The rules you need to add here are any additional rules relating to dataset usage. You may also put grading information here.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "В файле **fashion-mnist_train.csv** лежат 60000 чёрно-белых картинок 28 на 28 пикселей, развёрнутых в строку (784 числа -- значения пикселей) и метки к ним (столбец label). На этом датасете нужно обучать нейросеть.\n\nВ файле **fashion-mnist_test.csv** лежат 10000 чёрно-белых картинок 28 на 28 пикселей, развёрнутых в строку (784 числа -- значения пикселей). На этом датасете нужно предсказать нейросетью ответы (метки классов одежды, числа от 0 до 9) и отправить полученный файл с предсказаниями в Kaggle (кнопка **Submit Predictions** сверху справа).\n\n### Описание файлов  \n**fashion_mnist_train.csv** - обучающая выборка  \n**fashion_mnist_test.csv** - тестовая выборка   \n**sampleSubmission.csv** - файл с примером того, какого вида должно быть решение (там одни нули, так что его содержимое не имеет смысла)  \n\n### Столбцы  \n**label** - метки классов для обучающей выборки  \n**pixelN** - значение N-го пикселя картинки  ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "В этом соревновании нужно предсказать класс одежды по её изображению (датасет FashionMNIST), всего 10 классов одежды.\n\nНапомним, что это называется задача многоклассовой классификации.\n\nСтраница датасета, с которым мы будем работать:\n\nhttps://www.kaggle.com/zalando-research/fashionmnist\n\n### Правила\n\n**Пожалуйста, укажите во вкладке Team -&gt; Team name своё имя в таком формате:**\n\n*ваша\\_почта\\_с\\_Canvas\\_до\\_символа\\_@*\n\nТо есть, например, если на Canvas я зарeгистрирован на почту **ivanov@google.com**, то я подпишу имя своей команды как: **ivanov**\n\nЭто правило нужно для того, чтобы мы потом смогли выставить вам оценки за соревнование.\n\n\n### Дедлайн  \n\nДедлайн этого соревнования: 10.12.2018 09:00 UTC+3.0 (Moscow)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "### Метрика качества  \nДля оценки качества вашей нейросети в этом соревновании используется метрика **Categorization Accuracy**: для каждого класса берётся доля правильных объектов и потом от этого берётся среднее арифметическое.  \n\nТо есть, например, если мы предсказали 5 картинок как \"обувь\" из 10 картинок с обувью и 8 картинок как \"пулловер\" из 9 пулловеров, то CategorizationAccuracy будет: (5/10 + 8/9) / 2 =~ 0.694 (в соревновании классов одежды 10, так что считаться будет для всех десяти).\n\n### Файл с решением  \nФайл с решением должен содержать два столбца: **Id** и **Category**. \nВ столбце Id должны быть id-шники картинок из тестового датасета (от 0 до 9999), а в столбце Category номер предсказанного для этой картинки класса одежды.\n\nФайл должен содержать названия столбцов и иметь следующий формат:\n\n```\nId,Category  \n0,2  \n1,1  \n2,0  \n3,8  \netc.  \n```\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}