大赛以“机器人照护人”为主题，旨在促进数字技术、人工智能、机器人技术的创新应用，通过多种比赛方式，提升学生专业技能，搭建人工智能与机器人领域的交流平台，推进高等教育知识与实践相结合，助推教育与产业的对接与转化，发掘学习型、知识性、创新型、复合型的技能人才，落实以赛事促进产业高质量发展的目标。
举办机构
主办单位：工业和信息化部人才交流中心
承办单位：北京搜获科技有限公司
支持单位：杭州一蓦信息科技有限公司
赛事时间安排
2月8日--4月30日 报名阶段
4月23日--4月30日 比赛平台注册阶段
5月22日--5月24日 初赛（省赛）
5月31日--初赛结果公布
待定--决赛（国赛）
待定--结果公布
赛题介绍
赛题一：【任务应用赛】
初赛：毒蘑菇分类
任务描述：蘑菇（mushroom）是深受人们喜爱的一种美食，但蘑菇华丽的外衣下却可能藏着致命的危险。我国是世界上蘑菇种类最多的国家之一，与此同时，蘑菇中毒却是我国最严重的食品安全问题之一，据相关报道，2021年，我国共开展研究蘑菇中毒事件327次，涉及923例患者，20例死亡，总死亡率为2.17%。对于非专业人士，无法从外观、形态、颜色等方面区分有毒蘑菇与可食用蘑菇。在这个任务中，你需要构建机器学习模型，对蘑菇是否有毒进行分类。
评分标准：最终得分=准确率*100
决赛：咖啡受欢迎程度预测
任务描述：咖啡（Coffee）是一种由咖啡豆经过烘焙和冲泡制成的饮料，是世界上最受欢迎的饮品之一。咖啡的起源可以追溯到公元前 9 世纪的埃塞俄比亚，随后传播到阿拉伯半岛和其他地区。如今，咖啡已经成为全球范围内的重要农产品和经济产业。在这个任务中，你需要构建机器学习或深度学习模型，对咖啡的受欢迎程度进行分类，分类为受欢迎和不受欢迎两种。
评分标准：最终得分=准确率*100
赛题二：【算法调优赛】
初赛：甲骨文字识别
任务描述：甲骨文是我国迄今为止发现的最古老的成熟文字体系，由于其书写载体包括龟腹甲、龟背甲、牛肩胛骨等，人们将它命名为“甲骨文”。甲骨文记录了中国古代文明、中国文化以及古代人类的思维思想。通过甲骨文，我们可以了解到中国古代的历史事件和社会生活。在这个任务中，你需要构建深度学习模型，对不同的甲骨文图片进行分类。
评分标准：最终得分=准确率*100
决赛：遥感图像分类
任务描述：遥感图像分类在地理信息系统、环境监测和城市规划等领域具有广泛的应用。随着遥感技术的不断发展和遥感图像数据的快速增长，如何高效准确地对遥感图像进行分类成为一个重要的研究方向。在这个任务中，你需要构建深度神经网络，对遥感图像进行分类。
评分标准：最终得分=准确率*100
比赛说明
报名人员：正式注册的全日制在校生（含中职、高职高专、本科生、硕博研究生）可报名参赛。
参赛形式：参赛人员以组队形式参加，每队不超过5个人，报名、答题与成果提交均于线上进行。
报名方式：报名须在Mo 人工智能教学实训平台和睿抗（Raicom）
（https://momodel.cn/competition）
同时报名，否则无法参与相关赛事；
报名后续：报名成功后务必加入赛事QQ群群号：883173031，了解赛项相关通知；也可扫描大赛详情页面底部二维码加入群聊；
注意事项
1、 在报名期间，登录报名官方网址 https://momodel.cn/competition，提交报名信息后即报名成功；
2、 成功报名后，报名者可以在我的报名页面查看和修改报名信息；
3、 在报名期间，报名者可以在个人信息页面查看自己的报名信息，以确保信息准确无误；
4、 报名信息用于组织报名者参加、展示成绩以及联系领奖等，需要真实、准确，否则会被取消参赛资格；
5、 最终评分报告以队长提交报告为准；
6、 参赛团队只能由已报名的队长组建，已报名的队员需要加入队长组建的团队来参赛；
7、 已报名的队长可登录比赛网站进行团队管理，包括创建团队、邀请队员、管理队员、解散团队等；
8、 每支参赛团队最多 5 人；
9、 一个报名者只能存在一支参赛团队中；
10、 报名结束后，不允许再创建团队或者变动团队成员。（邀请成员，移除成员，加入团队，退出团队，解散团队等）
赛题答疑
1、任务应用赛、算法调优赛提交是以什么形式的文件、什么模型进行提交？
答：需要提交的文件为赛题项目中所要求的推理脚本及相关模型文件，具体内容与赛题相关。提交方式为平台上点击提交按钮后，选择需要提交的文件进行提交。
2、两个赛项的数据集怎么获得，是在正式比赛中开放访问吗？
答：数据集内嵌在赛题项目中，正式比赛时开放。
3、有没有相关学习内容呢？
可以在https://momodel.cn网站中学习相关的机器学习与深度学习内容。
4、是否可以使用预训练模型？
答：可以使用预训练模型。
5、因为是团队赛，每个参赛选手提交一次文件么？得分怎么计算是按选手提交的最高分计算还是按平均分计算？
答：按照团队内成员最高分计算。
6、任务应用赛、算法调优赛会不会提供baseline？
答：会在赛题项目中提供一份baseline。
7、可以使用框架吗？可以话，可以使用哪些呢？
答：可以使用平台内嵌的框架，包括Scikit-learn、PyTorch、TensorFlow等
8、对数据集的处理有没有限制呢？
答：没有限制。
评论 (0)