Открытый tier T0 — синтетика, веса, лидерборд
То, что делает ODIN особенным: открытая синтетическая когорта (CC0), веса модели с карточкой и BYOM-лидерборд. Всё скачивается и воспроизводится прямо отсюда.
Синтетическая когорта (CC0) CC0
1000 синтетических записей, повторяющих маргинальные распределения реальной когорты. Для проверки пайплайна, НЕ для замера точности (совместная структура упрощена).
Скачать · CSVВеса модели + карточка
Опубликованный RF-ансамбль (frozen-test AUROC 0.8213, n=747). Требует sklearn 1.6.1. Калиброванные вероятности плоские — живой CDSS показывает перцентиль относительно когорты, а не «риск N%».
Воспроизвести бейзлайн
baseline.py печатает AUROC ансамбля из весов + синтетики. Ожидаемое значение ниже 0.82 — и это правильно (синтетические джойнты упрощены).
pip install scikit-learn==1.6.1 pandas numpy
python3 baseline.py model-v0.pkl \
synthetic-dental-implants-v0.csv baseline.py → Лидерборд — BYOM v0
Внешних сабмитов пока нет. Протокол готов — будьте первым.
Протокол: BYOM v0: your predictor reads the synthetic CSV (same columns, WITHOUT unfavorable_outcome) on stdin and writes one probability [0,1] per row to stdout — any runtime (script or `docker run -i`). Self-check first: `node validate-submission.mjs -- <your command>` (script in this folder; fetches the cohort itself). Then email info@dentum.uz — the registry runs your submission on the frozen held-out set (n=113) manually during the pilot.
Самопроверка сабмита (одна команда):
curl -sO https://dentum.uz/registry/open/validate-submission.mjs && node validate-submission.mjs -- python3 predict.py Синтетика — CC0. Веса — из исследовательского прототипа (академическое использование; см. карточку). Это НЕ медизделие.