Ссылка на Kaggle. В репозитории лежит полупустой файл train.csv (я обрезал 1000 строк), поэтому надо скачать его с Kaggle и поменять.

1. В example_test_files лежат примеры тестовых сетов, которые нам могут дать.
2. В optiver2023 по сути находится файл public_timeseries_testing_util.py только с названием competition. Там лежит штука для линукса, поэтому на винде ничего не запускается. Поэтому я создал рядом простой питонячий файл, но пока что не понял, что нужно указывать в поле self.group_id_column. Однако на винде с WSL или линуксе можно забить на это болт и запустить из консольки питонячий файл main.py с аналогичным нотбуку содержимым - результат будет тот же.
3. Также положил сюда нотбук subm.ipynb, который можно засылать в качестве константного прогноза.

Нам нужно присылать кэгловский нотбук (вот мой), который надо для этого заранее сохранить там и прогнать (это делается автоматически). Кроме того, перед сохранением надо выключить подключение к интернету у нотбука - в правой панельке проматываем вниз и в Notebook options выключаем инет.

В нотбуке показано, как использовать функцию make_env(), а затем как пользоваться полученной API через её метод iter_test(), который бегает по тестовому множеству. Этот метод составляет файл с ответами модели за нас, нам нужно только класть правильный таргет. На данном этапе он пишет, что написан не оптимально, хз, надо ли этот файлик переписывать, но зашло и так.