Kyivstar Big Data School 5.0

Kyivstar Big Data School 5.0 task of 2'nd stage of the selection

Big Data School Page

Перевіряємо, що було завантажено і навіщо.

Архів містить 4 файли:

• tabular_data.csv
• hashed_feature.csv
• train.csv
• test.csv

Для чого вони?

Ці файли допоможуть вирішити аналітичну задачу. Необхідно побудувати модель, що виявлятиме сегмент водіїв серед абонентів ПрАТ «Київстар».

Це задача бінарної класифікації:
«1» – абонент являється водієм (відноситься до сегменту водіїв), «0» – абонент не є водієм (не відноситься до сегменту водіїв).

Файли tabular_data.csv і hashed_feature.csv ̶ тут описові характеристики щодо 4084 абонентів («ID» – це ідентифікатор абонента). Файл train.csv ̶ це дані щодо цільової мітки (чи належить абонент до сегменту водіїв). Файл test.csv ̶ це список абонентів, для яких необхідно зробити прогноз, за яким ми й будемо оцінювати якість ваших моделей.

А тепер детальніше:

• Файл tabular_data.csv містить числові дані щодо активності абонента за 12 періодів.
  • period – номер періоду (періоди послідовні, 1 – найновіший);
  • id – ідентифікатор абонента;
  • feature_0 – feature_49 – дані щодо активності абонента у відповідний період.
• Файл hashed_feature.csv – тут набір захешованих значень однієї категоріальної змінної для абонента.
  • id – ідентифікfeature_50 – хеш від значення категоріальної змінної.атор абонента;
  • feature_50 – хеш від значення категоріальної змінної.
• Файл train.csv – тут дані з цільовою міткою.
  • id – ідентифікатор абонента;
  • target – значення цільової мітки (1 – належить до сегменту водіїв, 0 – не належить до сегменту водіїв).
• Файл test.csv – список абонентів, для яких потрібно зробити передбачення за допомогою ваших моделей.
  • id – ідентифікатор абонента;
  • score – ймовірність того, що абонент належить до сегменту водіїв (класу «1»). Цю ймовірність визначає ваша модель

До речі, моделі ми будемо оцінювати за такою метрикою – ROC-AUC.

У чому ж завдання?

Потрібно побудувати модель на абонентах, цільова мітка по яким міститься у файлі train.csv.

Для цього вам необхідно використати дані з файлів tabular_data.csv та hashed_feature.csv. Після цього, використовуючи вашу модель, потрібно для абонентів з файлу test.csv заповнити колонку score – ймовірність того, що абонент відноситься до сегменту водіїв. Зверніть увагу, що необхідно спрогнозувати факт відношення до сегменту водіїв, без прив'язки до періоду.

Оформлення рішення – зберігаємо результати

Зберігаємо передбачене значення score для тестової вибірки у файл MoyePrizvyshcheMoyeImya_test.csv, де MoyePrizvyshcheMoyeImya = ваше прізвище і ваше ім'я.

Ми хочемо, щоб ви назвали свій файл унікально, про всяк випадок :)

Оформлення рішення – зберігаємо код

Зберігаємо код програми в файл MoyePrizvyshcheMoyeImyaPROGRAM.? Залежно від мови програмування, у файлі буде відповідне розширення: .R, або .py або .txt або ще яке-небудь.

Наприклад:

• MoyePrizvyshcheMoyeImyaPROGRAM.R,
• MoyePrizvyshcheMoyeImyaPROGRAM.py,
• MoyePrizvyshcheMoyeImyaPROGRAM.txt і т.д.

Надсилаємо рішення

Готове рішення (файли з результатом та кодом) завантажуємо одним архівом у форматах .zip або .rar у спеціальну форму на сайті.

Чекаємо на результати

Тепер можна відпочивати і чекати від нас листа :)

Що буде в листі?

За результатами перевірки завдання вам може бути запропоновано пройти наступний етап тестування.

Лише після проведення 2-х етапів тестування будуть розіслані остаточні відповіді – про зарахування до школи чи відмову.

• Орієнтовна дата розсилки листів для співбесіди – 13 жовтня.
• Дати проведення співбесід – 14-16 жовтня.

Тож усі відповіді ви отримаєте до 23 жовтня.

FAQ:

Які інструменти я можу використовувати для вирішення тестового завдання?

Для виконання тестового завдання ви можете використовувати будь-які інструменти та алгоритми. У свою чергу, ми рекомендуємо використовувати імплементовані у Python чи R.

Деякі значення є пропущеними. Що з ними робити?

Нас цікавить, як ви будете вирішувати проблему пропуску даних. Тому це повністю ваш вибір.

Як будуть порівнюватись результати моделей?

Метрика, за якою ми будемо оцінювати якість ваших моделей, – ROC-AUC.

Бажаємо гарного і творчого настрою та з нетерпінням чекаємо на ваші результати!

Залишаймось на зв’язку,
Big Data School від Київстар.