무엇을 준비해야 할까요?
작업 프로젝트, 편집 가능한 소스 또는 프로젝트 파일, 보고서 및 데모 비디오를 준비합니다. 외부 자원과 귀하의 기여를 명확하게 식별하십시오.
이 카테고리에서는 어떤 일이 발생하나요?
시스템을 가르쳐라 인식하고 추론하는 것.
인공지능이 수행할 의미 있는 작업을 수행하는 프로젝트를 구축하세요. 이미지의 패턴을 인식하고 데이터를 이해하거나 유용한 결정을 지원할 수 있습니다. 명확한 문제부터 시작한 다음, 이에 적합한 데이터와 방법을 선택하세요.
시연 중에 팀은 시스템이 단순히 기억하지 못한 예를 포함하여 시스템이 생산하는 제품과 테스트 방법을 보여줍니다. 그것이 잘 작동하는 곳, 실수하는 곳, 그리고 왜 그 결과가 그것을 사용하는 사람들에게 유용해야 하는지 설명하십시오.
심사위원단은 모델의 성능, 구현, 실제 가치 및 책임감 있는 사용을 고려합니다. 학생들은 자신의 기여와 주장의 한계를 설명할 수 있어야 합니다. 데이터 세트 선언, 테스트 증거 및 제출 요구 사항은 공식 규정집에 설명되어 있습니다.
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.
준비부터 대회까지
이 가이드를 사용하여 경험을 이해하세요. 전체 참가 및 기술 요구 사항은 공식 규정집을 읽어보세요.
대회 당일
프로젝트를 실시간으로 실행하고, 주요 기능을 시연하고, 선택 사항에 대한 질문에 답하세요. 테스트, 오류 및 개선 사항을 자신의 말로 설명할 준비를 하십시오.
배심원이 찾는 것
평가는 카테고리 루브릭과 등록된 레벨을 따릅니다. 제대로 작동하고 잘 이해된 솔루션은 기능 수나 불필요한 복잡성보다 더 중요합니다.
레벨 01~07 • 라이브 데모 • 최대 100점
보고서: 최대 10페이지. 비디오: 최대 3분. 소스 코드 및 설정 지침, 해당되는 경우 데이터 세트 선언, 적절한 성능 지표 및 보이지 않는 데이터에 대한 테스트 증거를 포함합니다.
| 평가기준 | 포인트 |
|---|---|
| AI 모델 성능 | 30 |
| 복잡성 및 구현 | 25 |
| 실제 적용 가능성 | 25 |
| 윤리적 고려사항 | 20 |
프로젝트 발표 공간
