Apa yang harus dipersiapkan
Siapkan proyek yang sedang berjalan, sumber atau file proyek yang dapat diedit, laporan dan video demonstrasi. Identifikasi sumber daya eksternal dan kontribusi Anda dengan jelas.
SW02 · Perangkat Lunak, AI, dan Simulasi
Develop innovative AI solutions using machine learning, deep learning, natural language processing or computer vision technologies.
Membangun sebuah proyek di mana kecerdasan buatan mempunyai tugas yang berarti untuk dilakukan. Ini mungkin mengenali pola dalam gambar, memahami data, atau mendukung keputusan yang berguna. Mulailah dengan masalah yang jelas, lalu pilih data dan metode yang sesuai.
Selama demonstrasi, tim Anda menunjukkan apa yang dihasilkan sistem dan bagaimana Anda mengujinya, termasuk contoh-contoh yang tidak mudah diingat. Jelaskan di mana cara kerjanya dengan baik, di mana kesalahannya, dan mengapa hasilnya harus bermanfaat bagi orang yang menggunakannya.
Juri mempertimbangkan kinerja model, implementasi, nilai praktis, dan penggunaan yang bertanggung jawab. Siswa harus dapat menjelaskan kontribusi mereka sendiri dan batasan klaim mereka. Deklarasi kumpulan data, bukti pengujian, dan persyaratan penyerahan dijelaskan dalam buku peraturan resmi.
Applying supervised and unsupervised learning models, neural networks and deep learning techniques.
Processing and visualizing large datasets to extract meaningful insights.
Developing explainable, transparent and socially beneficial artificial intelligence systems.
Participants develop AI projects in areas such as image recognition, natural language processing, prediction or recommendation systems.
Model accuracy, dataset quality, innovation and ethical usage are important evaluation factors.
Gunakan panduan ini untuk memahami pengalamannya. Baca buku peraturan resmi untuk entri lengkap dan persyaratan teknis.
Siapkan proyek yang sedang berjalan, sumber atau file proyek yang dapat diedit, laporan dan video demonstrasi. Identifikasi sumber daya eksternal dan kontribusi Anda dengan jelas.
Jalankan proyek secara langsung, tunjukkan fungsi utamanya dan jawab pertanyaan tentang pilihan Anda. Bersiaplah untuk menjelaskan pengujian, kesalahan, dan peningkatan dengan kata-kata Anda sendiri.
Penilaian mengikuti rubrik kategori dan level terdaftar Anda. Solusi yang berhasil dan dipahami dengan baik lebih penting daripada jumlah fitur atau kompleksitas yang tidak perlu.
Level 01–07 • Demonstrasi langsung • Maksimal 100 poin
Laporan: maksimal 10 halaman. Video: maksimal 3 menit. Sertakan kode sumber dan instruksi penyiapan, deklarasi kumpulan data jika berlaku, metrik kinerja yang sesuai, dan bukti pengujian pada data yang tidak terlihat.
| Kriteria evaluasi | Poin |
|---|---|
| Performa Model AI | 30 |
| Kompleksitas & Implementasi | 25 |
| Penerapan di Dunia Nyata | 25 |
| Pertimbangan Etis | 20 |
Tinjau aturan resmi, kriteria penilaian, dan persyaratan proyek.
Partisipasi berarti penerimaan buku peraturan resmi. Seluruh tim, pembimbing, dan siswa diharapkan membaca, memahami, dan menaati peraturan.