需要准备什么
准备一个工作项目、其可编辑源或项目文件、报告和演示视频。清楚地识别外部资源和您自己的贡献。
建立一个让人工智能能够发挥有意义的作用的项目。 It might recognise patterns in images, make sense of data or support a useful decision. Start with a clear problem, then choose data and a method that suit it.
在演示过程中,您的团队会展示系统生成的内容以及您如何测试它,包括它不只是记住的示例。解释它在哪里运作良好,在哪里出错,以及为什么它的结果应该对使用它的人有用。
The jury considers the model’s performance, implementation, practical value and responsible use. Students should be able to explain their own contribution and the limits of their claims.官方规则手册中描述了数据集声明、测试证据和提交要求。
应用监督和无监督学习模型、神经网络和深度学习技术。
处理和可视化大型数据集以提取有意义的见解。
开发可解释、透明且有益社会的人工智能系统。
参与者在图像识别、自然语言处理、预测或推荐系统等领域开发AI项目。
模型准确性、数据集质量、创新性和伦理使用是重要的评估因素。
使用本指南来了解体验。请阅读官方规则手册,了解完整的参赛要求和技术要求。
准备一个工作项目、其可编辑源或项目文件、报告和演示视频。清楚地识别外部资源和您自己的贡献。
实时运行项目,展示其主要功能并回答有关您选择的问题。准备好用自己的话解释测试、错误和改进。
评估遵循类别标题和您的注册级别。一个可行的、易于理解的解决方案比功能数量或不必要的复杂性更重要。
级别 01–07 • 现场演示 • 最多 100 分
报告:最多 10 页。视频:最多 3 分钟。包括源代码和设置说明、适用的数据集声明、适当的性能指标以及对未见过的数据进行测试的证据。
| 评价标准 | 积分 |
|---|---|
| AI模型性能 | 30 |
| 复杂性和实施 | 25 |
| 现实世界的适用性 | 25 |
| 道德考虑 | 20 |