В рамках соревнования участники — специалисты по анализу данных, искусственному интеллекту и машинному обучению — решали три задачи: "Страж", "Киберполка" и "Герои". В совокупности было отправлено 17 471 решение. Наибольший интерес вызвала задача "Страж", собравшая 9 507 решений, за ней следует "Киберполка" (7 480 решений). Всего в соревновании приняли участие 1 066 команд: 574 — в задаче "Страж", 410 — в "Киберполке" и 82 — в "Героях".

Задача "Страж" была посвящена классификации неподтвержденных операций клиентов банка на основе исторических данных. Участники решали задачу бинарной классификации, оцениваемую по метрике PR-AUC. Победителем стал ИТ-специалист из Москвы.

В рамках "Киберполка" конкурсантам необходимо было построить модель multi-label классификации для 41 финансового продукта на основе обезличенных клиентских данных. Качество решений оценивалось по метрике Macro-Averaged ROC-AUC. Первое место занял студент НИУ ВШЭ из Москвы.

Особое внимание в этом году привлекла специальная номинация Companion, в рамках которой оценивались лучшие открытые решения. Задача "Герои" предполагала решение оптимизационной задачи маршрутизации с временными окнами (VRPTW), где специалистам нужно было составить наилучший план перемещений с учетом заданных ограничений. Большой интерес к задаче со стороны молодых участников подчеркивает их высокий уровень вовлеченности и подготовки, а также доступность современных инструментов анализа данных для начинающих специалистов.

"Data Fusion Contest продолжает развиваться как платформа для поддержки талантов в области дата-сайенс. В этом году мы увидели не только рост числа участников, но и значительное повышение качества решений. Особенно важно, что в числе соревнующихся и призеров — как опытные специалисты, студенты, так и  юные участники", — отметил Дмитрий Харитонов, генеральный директор ИТ-холдинга Т1.

"Data Fusion Contest для ВТБ — это не просто соревнование, а полноценная платформа для поиска и развития сильных специалистов. Мы видим, как растет уровень задач и решений, и это напрямую отражает зрелость рынка машинного обучения. Участники успешно справлялись с кейсами, максимально приближенными к реальным банковским процессам. Такие инициативы позволяют нам не только находить новые подходы к работе с данными, но и быстрее внедрять лучшие практики в бизнес. Отдельно хочется отметить высокий интерес со стороны молодежи — это подтверждение того, что в России формируется новое поколение высококлассных специалистов в области ИИ. ВТБ продолжит инвестировать в образовательные и технологические проекты, чтобы поддерживать этот потенциал и развивать технологию больших данных", — сказал Максим Коновалихин, руководитель департамента анализа данных и моделирования ВТБ.