1. Профиль компетенций

Участники должны обладать знаниями и практическими навыками в области машинного обучения, анализа данных и обработки неструктурированной информации.

• базовые методы машинного обучения и статистического вывода;
• предобработка и очистка данных, feature engineering;
• работа с табличными и текстовыми данными;
• оценка качества моделей классификации, регрессии и кластеризации;
• владение Python и библиотеками NumPy, pandas, SciPy, scikit-learn, matplotlib, seaborn;
• работа с NLP-библиотеками (nltk, pymorphy2, transformers и др.);
• преобразование неструктурированных данных в векторные представления;
• использование предобученных моделей и работа с LLM;
• оптимизация вычислений при ограниченных ресурсах.

2. Программное обеспечение конкурсной площадки

• Операционная система: Windows 10/11
• Python 3.11 и выше
• Visual Studio Code
• Jupyter Notebook
• Базовые библиотеки для анализа данных и визуализации
• Дополнительные библиотеки устанавливаются участником самостоятельно

3. Формат конкурсного задания

Участникам необходимо разработать прикладной инструмент анализа неструктурированных данных и реализовать рекомендательную модель на основе анализа их содержимого.

• извлечение информации из текстовых и файловых источников;
• предобработка и очистка данных;
• преобразование данных в численные векторные представления;
• разработка рекомендательной модели;
• оценка качества модели;
• внедрение решения в прикладное приложение.

4. Формат проведения

Финальный этап проводится в очном формате. Все вычисления выполняются на конкурсных компьютерах с ограниченными вычислительными ресурсами, что требует эффективной оптимизации кода и использования памяти.

5. Ограничения

• запрещено использование генераторов кода и внешних AI-сервисов для автоматического решения задач;
• запрещена авторизация в облачных хранилищах, GitHub, онлайн-IDE и удалённых репозиториях;
• запрещено использование мессенджеров и средств удалённого подключения;
• запрещено скачивание и загрузка файлов через личные облачные хранилища;
• запрещён обход ограничений на вычислительные ресурсы.

6. Разрешённые ресурсы

• написание собственного кода и использование любых алгоритмов обработки данных;
• применение статистических методов и методов машинного обучения;
• использование бесплатных предобученных моделей;
• доступ к официальной документации и справочным ресурсам без авторизации;
• работа исключительно в локальной среде конкурсной площадки.