Ano ang ihahanda
Maghanda ng gumaganang proyekto, ang nae-edit nitong source o mga file ng proyekto, isang ulat at isang demonstration video. Malinaw na tukuyin ang mga panlabas na mapagkukunan at ang iyong sariling kontribusyon.
Subkategorya
Artificial Intelligence Systems
SW02 · Software, AI at Simulation
Develop innovative AI solutions using machine learning, deep learning, natural language processing or computer vision technologies.
Ano ang nangyayari sa kategoryang ito?
Magturo ng isang sistema upang makilala at mangatwiran.
Bumuo ng isang proyekto kung saan ang artificial intelligence ay may makabuluhang trabahong dapat gawin. Maaaring makilala nito ang mga pattern sa mga larawan, magkaroon ng kahulugan ng data o suportahan ang isang kapaki-pakinabang na desisyon. Magsimula sa isang malinaw na problema, pagkatapos ay pumili ng data at isang paraan na nababagay dito.
Sa panahon ng demonstrasyon, ipinapakita ng iyong koponan kung ano ang ginagawa ng system at kung paano mo ito sinubukan, kasama ang mga halimbawang hindi lang nito naaalala. Ipaliwanag kung saan ito gumagana nang maayos, kung saan ito nagkakamali at kung bakit dapat maging kapaki-pakinabang ang mga resulta nito sa mga taong gumagamit nito.
Isinasaalang-alang ng hurado ang pagganap, pagpapatupad, praktikal na halaga at responsableng paggamit ng modelo. Dapat na maipaliwanag ng mga mag-aaral ang kanilang sariling kontribusyon at ang mga limitasyon ng kanilang mga paghahabol. Ang mga deklarasyon ng dataset, test evidence at mga kinakailangan sa pagsusumite ay inilarawan sa opisyal na rulebook.
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.
Mula sa paghahanda hanggang sa kompetisyon
Gamitin ang gabay na ito upang maunawaan ang karanasan. Basahin ang opisyal na rulebook para sa kumpletong entry at mga teknikal na kinakailangan.
Sa araw ng kompetisyon
Patakbuhin ang proyekto nang live, ipakita ang mga pangunahing function nito at sagutin ang mga tanong tungkol sa iyong mga pagpipilian. Maging handa upang ipaliwanag ang mga pagsubok, mga pagkakamali at mga pagpapabuti sa iyong sariling mga salita.
Ano ang hinahanap ng hurado
Sinusunod ng pagtatasa ang rubric ng kategorya at ang iyong nakarehistrong antas. Ang isang gumagana, mahusay na nauunawaan na solusyon ay mahalaga kaysa sa bilang ng tampok o hindi kinakailangang kumplikado.
Mga Antas 01–07 • Live na demonstrasyon • Pinakamataas na 100 puntos
Ulat: maximum na 10 pahina. Video: maximum na 3 minuto. Isama ang source code at mga tagubilin sa pag-setup, mga deklarasyon ng dataset kung naaangkop, isang naaangkop na sukatan ng pagganap at ebidensya ng pagsubok sa hindi nakikitang data.
| Pamantayan sa pagsusuri | Mga puntos |
|---|---|
| Pagganap ng Modelo ng AI | 30 |
| Pagiging kumplikado at Pagpapatupad | 25 |
| Real-World Applicability | 25 |
| Mga Etikal na Pagsasaalang-alang | 20 |
Lugar ng Presentasyon ng Proyekto
OPISYAL NA DOKUMENTO
Mga panuntunan at gabay ng kompetisyon
Suriin ang mga opisyal na panuntunan, pamantayan sa pagmamarka at mga kinakailangan sa proyekto.
Ang pakikilahok ay nagpapahiwatig ng pagtanggap sa opisyal na rulebook. Ang lahat ng mga team, mentor, at mga mag-aaral ay inaasahang magbasa, umunawa, at sumunod sa mga patakaran.