Недавно я принял участие в хакатоне, организованном Высшей школой экономики и VK. Формат турнира был разделен на две лиги: студентов ВШЭ и закрытую группу из ста приглашенных профильных специалистов. Задача на первый взгляд казалась классической. Требовалось спрогнозировать спрос на товары маркетплейса с горизонтом в две недели. Такая читсо екомовская задачка для специалистов из этой области.

Однако реальные данные всегда сложнее учебных примеров. Основной вызов заключался в специфике временных рядов. В истории продаж преобладали нулевые значения, а сами покупки часто совершались кратными объемами, например, упаковками по три штуки.

Ситуацию осложняла метрика оценки качества. Ошибки на ненулевых значениях штрафовались в семь раз сильнее. Это заставляло модель быть предельно точной именно в моменты реального спроса, а не просто предсказывать отсутствие продаж.

В процессе подготовки я изучал международный опыт, включая научные статьи из Китая и США. В зарубежной практике для подобных задач часто применяют Hurdle-модели. Это двухэтапный подход, где алгоритм сначала предсказывает сам факт совершения покупки, а затем ее вероятный объем. Однако выяснилось, что в их данных проблема избытка нулей стоит не так остро, как в нашем кейсе. Это лишний раз подтвердило уникальность задачи и высокий уровень конкуренции.

Этот опыт стал очередным доказательством того, что в машинном обучении практика важнее любой теории. Глубокое понимание нюансов и интуиция нарабатываются годами реальной работы. До этого конкурса я не сталкивался с временными рядами в прикладном ключе, ограничившись лишь неделей интенсивного изучения теории. Итоговый результат отразил текущий уровень подготовки и отсутствие опыта в E-com сфере. Я занял 28 место из 96 участников в своей категории.