Кейс Ozon E-CUP 2025: как 2900+ инженеров создали ML-решения для миллионов пользователей

Команда Ozon Tech провела крупнейшее соревнование по машинному обучению благодаря поддержке платформы Codenrock. На E-CUP 2025 участники решали три задачи, основанные на реальных потребностях e-commerce отрасли и данных от ведущего маркетплейса России: 

• Рекомендации: предсказание следующей покупки пользователя;
• Логистика: автопланирование курьеров;
• Контроль качества: автоматическое выявление поддельных товаров.

Финал прошёл на IT-конференции E-CODE, где команды из ТОП-5 по каждому треку представили свои проекты экспертам Ozon Tech. 

Команда Codenrock занималась организацией соревновательной части, подготовкой инфраструктуры, маркетинговой кампанией и работой с участниками. Подробнее о E-CUP 2025 — в этом кейсе.

Питчинг финалистов

E-CUP 2025: главное

Мероприятие прошло в формате ML-соревнования — Ozon Tech предоставил участникам данные для работы, а команды обучали модели и соревновались в достижении целевой метрики. Те, кто справился с задачей лучше всего, защитили свои решения на питчинге, по итогам которого эксперты Ozon Tech определили победителей. 

Главные цифры E-CUP 2025:

• 2984 зарегистрированный участник. 
• 1221 команда. 
•  453 присланных решений.
• 15 команд финалистов. 
• Призовой фонд — 7 200 000 рублей.

Подготовка к проведению

Платформа Codenrock обеспечила полную инфраструктуру для соревнования: хранение и раздачу объёмных датасетов, автоматический скоринг и подсчёт итоговых баллов. Для решения командам предоставлялись репозитории для работы в Gitlab от Codenrock, с преднастроенной структурой проекта и CI/CD. Это  помогло организаторам автоматизировать сбор и проверку решений, а участники смогли сфокусироваться на ML-задачах.

Разработка задач

Эксперты Codenrock адаптировали реальные производственные кейсы под формат ML-соревнования. Рекомендации, логистика и контроль качества — три направления, где машинное обучение уже активно применяется в e-commerce. Задача специалистов Codenrock заключалась в том, чтобы перевести эти процессы в понятные и соревновательные задачи, сохранив их прикладную ценность и техническую сложность.

Эксперты платформы отвечали за полный цикл методологической подготовки: 

• анализ исходных данных;
• проработку архитектуры пайплайнов;
• разработку baseline-решений;
• выбор метрик, критериев оценки и сценариев проверки проектов. 

Специалисты Codenrock помогли превратить внутренние документы Ozon Tech в понятные и мотивирующие для участников описания с чёткими ограничениями и прозрачными критериями оценки. 

 Кейсы максимально приближены к реальным производственным задачам. Участники работают с данными, с которыми мы имеем дело ежедневно — большие объемы, разреженность, шум в данных. Мы старались максимально сохранить реалистичность данных — оставили естественные дисбалансы, сезонные паттерны, разреженность пользовательских профилей. Данные анонимизированы, но структурно очень близки к тем, что используются в реальных условиях.

Илья Осиновсков, руководитель отдела разработки «Эффективность рекомендаций»

Кроме методологии, команда платформы подготовила скрипты расчёта метрик, автоматизировала проверку файлов и валидацию форматов, протестировала корректность базовых решений и корректность датасетов.

Напрямую перенести решение в продакшн едва ли получится, так как мы предлагаем весьма упрощенный вариант задачи. Но, конечно, мы всегда смотрим вокруг в поиске новых идей и свежих взглядов. Не будет секретом, если я скажу, что E-CUP для меня — площадка для поиска таких идей. 

Егор Осипов, руководитель отдела разработки «Маршрутизация курьеров» и «Операционная аналитика» 

Инфраструктура ML-соревнования

Codenrock предоставил Ozon Tech готовую ML-среду. Инфраструктура платформы позволяет участникам решать задачи без ручной настройки окружения и внешних зависимостей. Все вычисления происходят внутри платформы, а код и данные изолированы и защищены. Ключевые возможности платформы:

• автоматический скоринг и обновление лидерборда в реальном времени;
• контейнерное исполнение решений для воспроизведения окружения и контроля за потребляемыми ресурсами;
• интеграция с Gitlab для предоставления участникам понятной и привычной среды разработки и автоматизации сборки и проверки решений;
• проверка репозиториев на наличие исходников и конфигураций;
• безопасное хранение больших файлов.

Каждой команде предоставлялся собственный репозиторий, интегрированный с GitLab. Это позволило хранить весь исходный код, baseline-решения, скрипты обучения и инференса, а также фиксировать изменения через систему версионирования. Организаторы могут запустить любое решение даже спустя месяцы после окончания соревнования.

Работа с большими объёмами данных реализована через распределённое хранение файлов. На E-CUP команды работали с датасетами на десятки гигабайт данных. Несмотря на такой масштаб, участники могли загружать и обрабатывать данные без внешних сервисов, полностью полагаясь на вычислительные ресурсы Codenrock.

Результаты всех загрузок обрабатываются автоматически: платформа пересчитывает метрики и в режиме реального времени обновляет лидерборд. Это позволяет командам сразу видеть динамику и корректировать подход. После завершения онлайн-этапа инфраструктура обеспечивает автоматическую проверку решений — система запускает контейнеры, сверяет результаты и формирует приватный рейтинг для финальной проверки экспертами.

В результате совместной работы экспертов Ozon Tech и команды Codenrock E-CUP 2025 получил три трека. 

Трек 1. Рекомендации: предсказание следующей покупки пользователя

Актуальность. Ассортимент фэшн-категории на Ozon превышает 150 миллионов товаров в категории Apparel: одежда, обувь, аксессуары. При таком объёме покупателям сложно быстро находить нужные вещи: лента рекомендаций становится перегруженной, а процесс выбора — долгим. Персональные рекомендации позволяют решать эту проблему, помогая экономить время и получать релевантные подборки.

Мы выбрали Apparel, потому что это одна из самых распространённых категорий для рекомендаций. При этом у неё есть уникальные особенности: сезонность, размерная сетка, стилевые предпочтения, цветовая гамма. Также здесь сильно влияют тренды.

Илья Осиновсков, руководитель отдела разработки «Эффективность рекомендаций»

Задача. Разработать масштабируемую рекомендательную систему, которая по истории действий пользователя в категории Apparel предсказывает, какие товары он купит следующими, и формирует персональный топ-100 рекомендаций.

Система должна:

• анализировать события и учитывать хронологию действий;
• интегрировать товары с атрибутами и CLIP-эмбеддингами изображений, обученными на фэшн-сегменте;
• использовать заказы и иерархию категорий для уточнения контекста;
• строить end-to-end пайплайн — от подготовки данных до инференса;
• обеспечивать работу с большими parquet-файлами.

Цель. Создать рекомендательную модель, способную масштабироваться до десятков миллионов пользователей и сотен миллионов товаров, при этом выдающую персональные и точные предсказания следующей покупки.

Ключевые элементы решения:

• Модель рекомендательной системы (lightFM, BERT4Rec, SASRec, LightGCN или собственный гибрид).
• Feature engineering по временным, поведенческим и контентным признакам.
• Обработка CLIP-эмбеддингов изображений для учёта визуального сходства товаров.
• Корректная временная валидация.
• Репозиторий с воспроизводимым окружением (Poetry, pyproject.toml).

Датасет. Для работы над задачей все команды получили:

• История заказов — более 19 миллионов записей.
• Каталог товаров с атрибутами и CLIP-эмбеддингами 6,4 миллиона млн позиций.
• Трекинг действий пользователей — примерно 1,6 млрд событий.
• Иерархия 7 тысяч категорий
• Тестовая выборка пользователей.

Ожидаемый результат для бизнеса. Модели финалистов помогут улучшить релевантность рекомендаций на Ozon, сократить время выбора и повысить удовлетворённость клиентов, обеспечивая рост конверсии и среднего чека.

Трек 2. Логистика: автопланирование курьеров

Актуальность. Ежедневно курьеры Ozon доставляют миллионы заказов по всей стране. Маршруты формируются с учётом микрополигонов — мелких областей, которые могут представлять собой квартал, район или даже один дом. Эти зоны связаны с логикой сортировки посылок на сортцентрах и сильно влияют на эффективность последней мили.

Но классические алгоритмы маршрутизации ограниченно масштабируются, не полностью учитывают персональные особенности курьеров и городских микрорайонов, а при объёме данных Ozon — десятки тысяч заказов — работают недостаточно быстро.

Задача автопланирования в E-CUP отличается от классических VRP-задач (Vehicle Routing Problem, задача маршрутизации транспорта). Мало кто в России может похвастаться таким количеством точек заказов, доставляемых из одного места, а значит, и планируемых в рамках одной задачи. Объём и масштабируемость алгоритмов планирования становятся здесь критически важными.

Егор Осипов, руководитель отдела разработки «Маршрутизация курьеров» и «Операционная аналитика»

Задача. Разработать алгоритм маршрутизации, который распределяет более 20 000 заказов между 240 курьерами так, чтобы:

• каждый курьер обслуживал заказы с учётом индивидуального времени обслуживания по микрополигонам;
• ни один курьер не работал дольше 12 часов;
• решение масштабировалось и укладывалось в ограничение по времени инференса менее часа.

Цель. Построить эффективный алгоритм планирования маршрутов, который минимизирует суммарное время работы всех курьеров и обеспечивает равномерную нагрузку между ними.

Ключевые элементы решения:

• Эвристический или точный алгоритм.
• Учет микрополигонов (MpId): все заказы из одного MpId обслуживаются одним курьером.
• Индивидуальные сервис-таймы курьеров по районам: зависимость скорости от опыта.
• Ограничение по длительности маршрута.

Датасет. Для работы над задачей все команды получили:

• 20 160 заказов с координатами и идентификаторами микрополигонов;
• 240 курьеров с персональными сервис-таймами по районам и рабочими окнами;
• 400 миллионов пар «точка ↔ точка» с предрасчитанными длительностями.

Ожидаемый результат для бизнеса. Алгоритмы помогут Ozon рациональнее планировать доставку, снижать издержки и нагрузку на курьеров, улучшая качество и скорость «последней мили» — ключевого этапа клиентского опыта.

Трек 3. Контроль качества: автоматическое выявление поддельных товаров

Актуальность. Ozon ежедневно публикует миллионы новых товаров. Чтобы защитить пользователей и бренд, Ozon Tech внедряет ML-алгоритмы, способные автоматически выявлять подозрительные позиции ещё на этапе размещения.

Автоматическое выявление поддельных товаров на платформе Ozon связано с рядом серьёзных трудностей. Самая большая из них кроется в самой сути задачи: контрафактные товары очень сильно мимикрируют под оригинальные, что делает их поиск по-настоящему сложным.

Артём Коньшин, старший математик-разработчик группы разработки «ML контроль качества»

Задача. Разработать мультимодальную ML-систему, которая по описанию, изображениям и атрибутам товара определяет, является ли он контрафактным или оригинальным. Модель должна объединять признаки из трёх источников — текст, изображения и табличные поля — и выдавать финальное предсказание с вероятностью класса.

Цель. Создать ML-пайплайн, который автоматически классифицирует товары и повышает качество каталога, помогая предотвращать размещение поддельной продукции.

Ключевые элементы решения:

• Объединение трёх модальностей: текстовое описание, изображения, табличные признаки.
• Использование мультимодальных архитектур: CLIP, ViT, BERT и другие. 
• Полный пайплайн в одном запуске — подготовка данных, обучение, инференс.

Датасет. Для работы над задачей все команды получили:

• табличные данные с атрибутами и описаниями;
• изображения товаров;
• архив с данными.

Ожидаемый результат для бизнеса. Решения помогут Ozon автоматически обнаруживать поддельные товары, что сократит ручную модерацию.

Привлечение и удержание участников 

E-CUP 2025 — самое масштабное ML-соревнование, которое когда-либо организовывала команда Ozon Tech. Специалисты Codenrock помогли провести рекламную кампанию, которая охватила все этапы коммуникации. 

Маркетинговая поддержка

Подготовка к запуску продвижения началась с разработки Key Visual и концепции визуального стиля. Дизайнеры Codenrock создали узнаваемую визуальную систему на основе фирменной стилистики Ozon Tech. На её основе оформлялись лендинг, баннеры, карточки для соцсетей и визуальные элементы для email-рассылок.

Команда платформы подготовила все коммуникационные материалы: анонсы, напоминания, приглашения. Помимо текстов, были созданы несколько коротких роликов разных форматов: 

• легкий смешной вовлекающий контент;
• более серьезные видео, подчеркивающие экспертность организаторов; 
• видеозаписи от экспертов соревнования для Telegram-чата участников. 

Все материалы были опубликованы в социальных сетях Codenrock. Для увеличения охвата специалисты использовали посевы в тематических сообществах по Data Science и ML, а также таргетированную рекламу в VK и Telegram. Дополнительно была проведена камлания по размещению пресс-релизов в крупных IT-изданиях:

• TAdviser: Ozon Tech приглашает на соревнование E-CUP 2025 по машинному обучению.
• Retail.ru: Ozon Tech проведет соревнование по машинному обучению E-Cup 2025.

Для email-коммуникаций команда Codenrock разработала и отправила серию брендированных рассылок по собственной базе более чем в 100 000 человек. Первая волна включала приглашения и анонсы треков, вторая — полезные ссылки, FAQ и советы от экспертов. Каждое письмо оформлялось в едином визуальном стиле.

Параллельно шла работа над контентом, предназначенным для вовлечения и обучения участников. Для блога Codenrock была подготовлена техническая статья, где подробно разбирались задачи соревнования и давались рекомендации по выбору открытых моделей и инструментов. Следом вышло интервью с командой экспертов Ozon Tech, которое объясняло, как рождались треки, чем соревнование отличается от внутренних задач компании и какие перспективы ждут участников. 

---

• 
  Как победить на E-CUP 2025: советы от экспертов Ozon Tech
  E-CUP 2025 — масштабное ML-соревнование от Ozon Tech с призовым фондом 7 200 000 рублей.  В этом интервью эксперты компании, которые знают всё о треках, делятся советами для участников — на основе своего опыта в решении сложных инженерных задач для маркетплейса,  которым ежедневно пользуются миллионы человек.… Читать далее: Как победить на E-CUP 2025: советы от экспертов Ozon Tech
• 
  Выбираем стэк для ML-соревнования: мощные решения на базе открытых технологий
  В арсенале ML-разработчика — сотни фреймворков, моделей, библиотек и подходов для самых разных задач. Успех на соревновании зависит от умения быстро выбрать подходящий стэк.  В этой статье мы собрали наиболее полезные и эффективные инструменты из большой экосистемы open-source решений, которые помогут быстро экспериментировать и… Читать далее: Выбираем стэк для ML-соревнования: мощные решения на базе открытых технологий

---

Суммарный охват составил более 2,3 миллионов человек.

Работа с участниками

Работа с командами на E-CUP 2025 — полноценная система сопровождения. Каждый участник вовлекался в мероприятие сразу же после регистрации и получал помощь и поддержку до самого финала. 

С первых дней за капитанами команд закреплялись кураторы Codenrock — специалисты, которые помогали пройти все этапы соревнования. Многие участники приходили на хакатон соло, и именно кураторы помогали им найти тиммейтов на платформе и в Telegram-чате. Благодаря такой поддержке сформировались сотни сильных команд, которые дошли до финала и представили качественные решения.

Команда Codenrock провела все коммуникационные мероприятия:

• Сразу после окончания регистрации прошла церемония открытия, на которой к участникам обратился Антон Степаненко, CTO Ozon Tech. Специалисты платформы подготовили текстовые и визуальные материалы для мероприятия. 
• Также состоялась онлайн Q&A-сессия, во время которой участники могли пообщаться с авторами задач. Эксперты Codenrock поддерживали представителей организатора, а кураторы заранее собрали самые актуальные вопросы. 
• На чекпоинтах команды рассказывали о прогрессе, а эксперты давали советы.

На платформе для E-CUP 2025 была запущена реферальная программа. Каждый зарегистрированный участник получал персональную ссылку, по которой мог позвать на соревнование друзей или коллег. В результате по таким приглашениям на мероприятие пришло 80 человек, а 20 самых участников программы получили подарочные сертификаты на маркетплейс Ozon. 

Обучающие курсы

Специально для E-CUP 2025 эксперты Codenrock подготовили обучающие курсы. Задача курсов — снизить порог входа и сделать соревнование доступным даже тем, кто не имел опыта участия в ML-чемпионатах, а также быстро ввести участников в специфику треков и дать стартовую базу по обработке данных, архитектуре пайплайнов и выбору инструментов. 

Формат включал:

• текстовые лекции с основными понятиями по ML-задачам;
• пошаговые гайды по подготовке данных и настройке окружения;
• примеры кода с объяснениями baseline-решений;
• готовые шаблоны и наборы инструментов;
• мини-тесты и чек-листы для самопроверки, разбор ошибок. 

Многие команды использовали эти модули как основу для собственных решений, дорабатывая бейзлайны и пробуя свои модели. Это в итоге сильно повысило качество проектов, которые дошли до финала — практически каждый второй участник, выступивший на питчинге, прошёл курс.

Итоги соревнования

Победителями ML-соревнования E-CUP 2025 стали 9 команд, которые по итогам питчинга представили самые сильные решения. 

Трек 1. Рекомендации: предсказание следующей покупки пользователя

🥇 1 место – команда madgnome.

Решение комбинировало два подхода для персонализации: один алгоритм анализировал ключевые поведенческие признаки пользователя, другой — последовательность недавних действий. Это позволило эффективно учитывать индивидуальные предпочтения, находя баланс между точностью и скоростью работы.

🥈 2 место – команда «Анатолий И».

Решение включало два этапа: сначала отбирались потенциальные товары на основе активности пользователя и популярных позиций, затем — их ранжирование с помощью модели, учитывающей поведенческие и временные признаки. Подход обеспечил сбалансированную и релевантную выдачу.

🥉 3 место – команда «Лидируй катбустируй».

Система генерирует рекомендации, опираясь на его прошлые действия и предсказания нейросети, обученной распознавать поведенческие паттерны. Такой подход позволяет модели реагировать на историю взаимодействий и прогнозировать следующие шаги с учётом контекста.

Трек 2. Логистика: автопланирование курьеров

🥇 1 место – команда X5

Решение построено на трёх этапах: группировка районов, оптимизация маршрутов и выравнивание нагрузки. Курьеры получали зоны, где работают эффективнее, после чего строился маршрут и распределялись заказы. Подход позволил доставить все заказы быстро и с минимальным временем обработки.

🥈 2 место – команда Trolltunga

Команда разработала комбинированный подход: сначала формировалось базовое распределение районов между курьерами, затем оно уточнялось с помощью локальных преобразований. Маршруты внутри районов рассчитывались точно, без упрощений, а в конце выполнялась балансировка нагрузки для повышения равномерности загрузки.

🥉 3 место – Команда avi

В решении реализована многоэтапная систему оптимизации, сочетающая готовые алгоритмы и собственные улучшения. Проект последовательно уточнял маршруты и балансировал нагрузку, обеспечивая эффективное и сбалансированное распределение заказов.

Трек 3. Контроль качества: автоматическое выявление поддельных товаров

🥇 1 место – команда hype and chill

Решение основано на ансамбле текстовых моделей, где разные версии BERT последовательно обрабатывают запросы: быстрые модели справляются с простыми случаями, а более сложные передаются на глубокую обработку. Такой подход обеспечил высокую точность при минимальном времени отклика.

🥈 2 место – команда lab260

Решение сочетало текстовые, визуальные и табличные данные в единой архитектуре. Обработка и балансировка классов позволили достичь конкурентной точности без излишней сложности.

🥉 3 место – Команда BBR Team

Команда использовала комбинацию трёх разных подходов. Упор сделан на качественную подготовку признаков и стабильность: глубокую инженерию, очистку данных и псевдо-разметку, чтобы повысить точность без потери надёжности.

Конференция E-CODE

Финал соревнования E-CUP 2025 стал частью основной программы конференции E-CODE 2025. На отдельной сцене прошли питч-сессии финалистов, где команды представили свои решения экспертам Ozon Tech, а также состоялась церемония награждения победителей.

E-CODE — ежегодная IT-конференция от Ozon Tech, которая в этом году прошла 13–14 сентября 2025 года в Москве, на площадке Loft Hall. Главная концепция события — комьюнити-пространство, где код упрощает и меняет жизнь. На мероприятии все, кто строит технологии, развивающие e-commerce-индустрию, могу узнать о передовых решениях Ozon Tech, обменяться опытом с коллегами из индустрии и обсудить, как принципы Everything as Code помогают выстраивать гибкие процессы.

Участников ждали два насыщенных дня с докладами, мастер-классами, дискуссиями, живым нетворкингом. Выступали спикеры Ozon Tech и ведущих компаний российского IT-рынка: более 50 докладчиков от ведущих специалистов российских бигтехов. Главные темы выступлений: машинное обучение, микросервисная архитектура, мониторинг инфраструктуры, оптимизация производительности и командная культура.

Конференция сочетала технический контент и живое общение:

• Burning Talks: неформальные рассказы о жизни в IT в формате открытого микрофона. 
• Онлайн-стримы для тех, кто не смог приехать.
• Вечеринка каждый день: караоке и выступления музыкальных групп: Нейромонах Феофан, НТР, Заточка и другие. 
• Зоны отдыха и нетворкинга, где участники обсуждали идеи и обменивались контактами и искали новые коллаборации.

Эксперты соревнования

Отзывы участников