क्या तैयारी करनी है
एक कार्यशील प्रोजेक्ट, उसका संपादन योग्य स्रोत या प्रोजेक्ट फ़ाइलें, एक रिपोर्ट और एक प्रदर्शन वीडियो तैयार करें। बाहरी संसाधनों और अपने योगदान को स्पष्ट रूप से पहचानें।
SW02 · सॉफ़्टवेयर, एआई और सिमुलेशन
मशीन लर्निंग, डेटा विश्लेषण और बुद्धिमान एल्गोरिदम का उपयोग करके ऐसी प्रणालियाँ बनाएँ जो सीख सकें, अनुकूलित हो सकें और जटिल समस्याओं का समाधान कर सकें।
एक ऐसा प्रोजेक्ट बनाएं जिसमें कृत्रिम बुद्धिमत्ता का सार्थक काम हो। यह छवियों में पैटर्न को पहचान सकता है, डेटा को समझ सकता है या उपयोगी निर्णय का समर्थन कर सकता है। एक स्पष्ट समस्या से शुरुआत करें, फिर डेटा और उसके अनुकूल एक विधि चुनें।
प्रदर्शन के दौरान, आपकी टीम दिखाती है कि सिस्टम क्या उत्पन्न करता है और आपने इसका परीक्षण कैसे किया, जिसमें ऐसे उदाहरण भी शामिल हैं जिन्हें उसने आसानी से याद नहीं किया है। बताएं कि यह कहां अच्छा काम करता है, कहां गलतियां करता है और इसका उपयोग करने वाले लोगों के लिए इसके परिणाम क्यों उपयोगी होने चाहिए।
जूरी मॉडल के प्रदर्शन, कार्यान्वयन, व्यावहारिक मूल्य और जिम्मेदार उपयोग पर विचार करती है। छात्रों को अपने स्वयं के योगदान और अपने दावों की सीमाओं को समझाने में सक्षम होना चाहिए। डेटासेट घोषणाएँ, परीक्षण साक्ष्य और प्रस्तुत करने की आवश्यकताएँ आधिकारिक नियम पुस्तिका में वर्णित हैं।
सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग मॉडल, न्यूरल नेटवर्क और डीप लर्निंग तकनीकों का अनुप्रयोग।
बड़े डेटासेट का प्रसंस्करण और विज़ुअलाइज़ेशन।
व्याख्या योग्य, पारदर्शी और सामाजिक रूप से लाभकारी AI सिस्टम विकसित करना।
प्रतिभागी इमेज रिकग्निशन, NLP, या रिकमेंडेशन सिस्टम जैसे क्षेत्रों में AI प्रोजेक्ट विकसित करते हैं।
मॉडल सटीकता, डेटासेट गुणवत्ता, नवाचार और नैतिक उपयोग महत्वपूर्ण मूल्यांकन कारक हैं।
अनुभव को समझने के लिए इस गाइड का उपयोग करें। संपूर्ण प्रविष्टि और तकनीकी आवश्यकताओं के लिए आधिकारिक नियम पुस्तिका पढ़ें।
एक कार्यशील प्रोजेक्ट, उसका संपादन योग्य स्रोत या प्रोजेक्ट फ़ाइलें, एक रिपोर्ट और एक प्रदर्शन वीडियो तैयार करें। बाहरी संसाधनों और अपने योगदान को स्पष्ट रूप से पहचानें।
प्रोजेक्ट को लाइव चलाएं, इसके मुख्य कार्यों का प्रदर्शन करें और अपनी पसंद के बारे में सवालों के जवाब दें। परीक्षणों, त्रुटियों और सुधारों को अपने शब्दों में समझाने के लिए तैयार रहें।
मूल्यांकन श्रेणी रूब्रिक और आपके पंजीकृत स्तर का अनुसरण करता है। एक कार्यशील, अच्छी तरह से समझा गया समाधान सुविधा गणना या अनावश्यक जटिलता से अधिक मायने रखता है।
स्तर 01-07 • लाइव प्रदर्शन • अधिकतम 100 अंक
रिपोर्ट: अधिकतम 10 पृष्ठ. वीडियो: अधिकतम 3 मिनट. स्रोत कोड और सेटअप निर्देश, जहां लागू हो वहां डेटासेट घोषणाएं, एक उचित प्रदर्शन मीट्रिक और अनदेखे डेटा पर परीक्षण के साक्ष्य शामिल करें।
| मूल्यांकन मानदंड | अंक |
|---|---|
| एआई मॉडल प्रदर्शन | 30 |
| जटिलता एवं कार्यान्वयन | 25 |
| वास्तविक दुनिया में प्रयोज्यता | 25 |
| नैतिक विचार | 20 |
अपना प्रोजेक्ट तैयार करने से पहले आधिकारिक प्रतियोगिता नियम, मूल्यांकन मानदंड, प्रोजेक्ट आवश्यकताएं और सबमिशन दिशानिर्देश देखें।
भागीदारी का तात्पर्य आधिकारिक नियम पुस्तिका की स्वीकृति से है। सभी टीमों, आकाओं और छात्रों से नियमों को पढ़ने, समझने और उनका अनुपालन करने की अपेक्षा की जाती है।