Решения и модели для хакатона Ozon-E-Cup-2025 (секция $-$ Контроль качества: автоматическое выявление поддельных товаров). Представленные модели определяют по входящим признакам, является ли товар подделкой $(1)$ или оригиналом $(0)$. Целевая метрика: F1-score. В рамках хакатона было использовано множество различных моделей и подходов, наиболее перспективные из которых, были добавлены в этот репозиторий. Описание файлов:

• _funcs.py $-$ базовый файл с функциями для обработки и трансформации датасета и создания новых признаков
• best_catboost.ipynb $-$ файл с обучением и подбором гиперпараметров для градиентного бустинга, имплементированного в виде catboost
• automl.ipynb $-$ файл с моделью, обученной с помощью автоматического машинного обучения (autogluon)
• rubert-torch.ipynb $-$ файл с классификатором текстов на основе предобученной модели ru-Bert (обучено с помощью pytorch)
• requirements.txt $-$ файл с необходимыми для запуска проекта зависимостями, рекомендуется использовать виртуальное окружение venv (для установки необходимо: pip install -r requirements.txt)
• README.md $-$ файл с описанием решения хакатона

В команде для решения хакатона принимали участие:

• https://github.com/Dmitrynnnnn23 (капитан)
• https://github.com/alexveider1
• https://github.com/PonomarevaAnna
• https://github.com/voronvoron