Мы уже прошли всю необходимую теорию для финального проекта. Проект осуществляется на данных из вебинара. Рекомендуем вам начать делать проект сразу после этого домашнего задания

Целевая метрика - MAP@5. Порог для уcпешной сдачи проекта - бэйзлайн в лидерборде (Most popular items baseline), если вам удастся его обойти вы успешно закрыли курс.
- Датасет разбит на две части private/public в равных пропорциях.
- Учтите что в тестовой выборке могут попстаться новые пользователи которые не видела ваша модель (для коллаборативной фильтрации)
- НЕ обязательно, но крайне желательно использовать 2-ух уровневые рекоммендательные системы в проекте
- Вы сдаете код проекта в виде github репозитория и указываете свой ник в kaggle.

## Данные
Все данные знакомы вам из занятий:
 - hh_demographic.csv - фичи пользователей.
 - product.csv - фичи товарова.
 - retail_train.csv - взаимодействие пользователей с товарами.
 - test_users.csv - список пользователей для которого необходимо предоставить предсказания.
 - sample\_submission.csv - пример данных для загрузки на kaggle для валидации.
Для валидации необходимо загрузить предсказания для пользователей из файла test_users.csv.