參加人數
此議題為製程品質預測問題,即使用機器學習的方式,為製程中所使用的參數建立模型,並以此模型預測結果值。資料是來自於某光電公司的製程,透過分析資料能精準地掌握製程,除了可以提升產品品質之外,亦能幫助企業節省成本。
由於此製程是多道手續,同時經過不同的機台設備,因此在分析以及最佳化上有一定的難度。影響製程的因素有很多,像是機台參數、材料(主要材料、輔助材料)的量與比例、溫度、壓力、時間等。這些因素會直接或間接影響產品的結果,不同的產品有不同的結果標準值以及上、下限。一個預測精準的模型,可以幫助了解這些因素的重要性,以及數值如何影響結果,對於製程的分析及最佳化有直接的幫助。在本議題中,針對每一組製程參數,需要預測 2 個目標的結果值。
第一名 hicloud 15 萬點優惠點數 + 50,000 元獎金(含稅)
第二名 hicloud 10 萬點優惠點數 + 30,000 元獎金(含稅)
第三名 hicloud 5 萬點優惠點數 + 20,000 元獎金(含稅)
佳作 hicloud 5 萬點優惠點數 (數名,視最終結果決定)
hicloud 點數由中華電信提供
備註1:hicloud 優惠點數可折抵服務費用,折抵完後自動開始依牌價7折計費
備註2:中華電信保有資格審核、優惠內容修改與中止權利
點數試算範例請參考:https://aidea-web.tw/computing
報告內容包含硬體規格、軟體規格、資料前處理、模型選擇、參數調校等。
議題進行時間以台灣時間(UTC+8小時)為主,其時程如下:
時間 | 事件 |
---|---|
2020/06/12 | 報名開始 |
2020/06/19 | 開放上傳 |
2020/07/15 | 上傳截止 |
2020/07/22 | 繳交報告截止 |
2020/07/24 | 公布得獎名單 |
本議題採用平均絕對誤差 Mean Absolute Error(MAE)[1]。公式如下:$$MAE = {\sum_{i=1}^{n} \left| (y_i - \hat{y}_i) \right| \over n} $$
Reference
[1] Mean Absolute Error (MAE):
https://en.wikipedia.org/wiki/Mean_absolute_error