Искусственный
интеллект

В этой задаче участникам будет предложено на основе текста поста на медиуме определить его популярность — количество хлопки (claps). Хлопки — это аналог лайков на Medium, которые пользователи ставят посту, если он им понравился. Отличие хлопков от лайков в том, что один пользователь может ставить несколько хлопков к посту, а не только один.

Обучающие данные будут состоять из информации о постах, скачанных из интернета. Для каждого поста будет дан его заголовок, автор, текст и количество хлопков. Тестовые данные будут содержать ту же информацию, только без количества хлопков — этот параметр нужно будет предсказать. Участникам нужно будет обучить модель машинного обучения предсказывать количество хлопков для поста на основе обучающих данных, и в качестве ответа выдать количества хлопков для всех текстов из тестовой части датасета. Метрика оценки качества решения — MAE.

В процессе построения решения можно пользоваться любыми предобученными моделями. Дополнительные наборы данных, не предоставленные в задаче, использовать нельзя. Если вы используете предобученную модель, обязательно указывайте ее источник.

Это задача классического машинного обучения и text processing. Требуется построить алгоритм, который по описанию вакансии с сайта trudvsem.ru будет предсказывать среднюю зарплату, предлагаемую на этой вакансии.
Описание вакансии содержит множество полей: регион, компания, условия труда и социальные бонусы. Решение данной задачи поможет понять, насколько условия вакансии определяют зарплату и какие атрибуты наиболее влияют на размер компенсации.

Для решения задачи участникам будет предложен обучающий датасет в формате .csv, содержащий ~800-900 тысяч строк. В качестве решения нужно будет получить значения целевой переменной для тестовой части датасета. Конкурс будет проходить на платформе kaggle.

Это задача о применении машинного обучения к классической задачи вычислительной квантовой химии. Требуется построить алгоритм, который по трехмерному представлению (конформации) молекулы будет предсказывать энергию.
Описание молекулы содержит типы входящих в неё атомов и соответствующие им трехмерные координаты. Решение данной задачи поможет ускорить и масштабировать квантово-химические расчёты и упростить задачи поиска медицинских препаратов.

Для решения задачи участникам будет предложен обучающий датасет в формате базы данных ASE database, содержащей ~130 тысяч записей. В качестве решения нужно будет получить значения целевой переменной (энергии молекулярной конформации) для тестовой части датасета. Конкурс будет проходить на платформе kaggle.