準備するもの
作業中のプロジェクト、その編集可能なソースまたはプロジェクト ファイル、レポート、およびデモ ビデオを準備します。外部リソースと自分自身の貢献を明確に特定します。
このカテゴリでは何が起こるでしょうか?
システムを教える 認識して推論すること。
人工知能が有意義な仕事をするプロジェクトを構築します。画像内のパターンを認識したり、データを理解したり、有用な決定をサポートしたりする可能性があります。明確な問題から始めて、それに適したデータと手法を選択します。
デモンストレーション中、チームはシステムが何を生成するか、そしてそれをどのようにテストしたかを、単に記憶していない例も含めて示します。どこがうまく機能し、どこが間違いなのか、なぜその結果がそれを使用する人々にとって役立つのかを説明します。
審査員は、モデルのパフォーマンス、実装、実用的な価値、および責任ある使用を考慮します。生徒は自分自身の貢献と自分の主張の限界を説明できる必要があります。データセットの宣言、テスト証拠、提出要件は公式ルールブックに記載されています。
FOCUS AREAS
Project Focus Areas
Machine Learning
Applying supervised and unsupervised learning models, neural networks and deep learning techniques.
Data Analysis
Processing and visualizing large datasets to extract meaningful insights.
Ethical AI
Developing explainable, transparent and socially beneficial artificial intelligence systems.
PROJECT DEVELOPMENT
Shape the future with intelligent 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.
準備から試合まで
Use this guide to understand the experience. Read the official rulebook for the complete entry and technical requirements.
競技当日
プロジェクトをライブで実行し、その主な機能をデモンストレーションし、選択に関する質問に答えます。テスト、エラー、改善点を自分の言葉で説明できるようにしてください。
陪審が何を求めているか
評価はカテゴリのルーブリックと登録レベルに従って行われます。実用的でよく理解されたソリューションは、機能の数や不必要な複雑さよりも重要です。
レベル 01 ～ 07 • ライブ デモンストレーション • 最大 100 ポイント
Report: maximum 10 pages. Video: maximum 3 minutes.ソース コードとセットアップ手順、該当する場合はデータセット宣言、適切なパフォーマンス メトリクス、および未確認のデータでのテストの証拠を含めます。
| 評価基準 | ポイント |
|---|---|
| AI モデルのパフォーマンス | 30 |
| Complexity & Implementation | 25 |
| 現実世界への適用性 | 25 |
| 倫理的配慮 | 20 |
プロジェクト発表エリア
