234

參加人數

議題提供單位

簡介


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。

獎項

獲獎條件:在 Private Leaderboard 低於 baseline (MAE < 0.007) 之前三名,並於 7/22 前繳交書面報告者。

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。

活動時間

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

評估標準


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

規則

  • 活動評估結果以最後上傳的結果為基準,若評估標準分數一致時,以最早上傳時間優先為主。
  • 上傳次數限制為 8 次/天。
  • 本議題不允許組隊,同一人只能有一組帳號,人員不得重複參加,違者經確認後會取消參賽資格。
  • 參與者若使用外部資料集,應避免使用未來資料當作預測結果之依據,且須在討論區留下資料集說明及取得的來源供所有人參考。
  • 參賽作品所使用之資料、技術與程式碼,均屬參賽者之原創或已取得合法授權,若有任何第三者主張侵害智慧財產權或其他違法情事,均由參賽者自行出面處理;若有侵害他人智慧財產權之情事者,主辦單位將取消競賽及得獎資格,參賽者應自行負擔相關法律責任。
  • 參賽成果之智慧財產權歸屬參賽者擁有,其著作授權、專利申請、技術移轉及權益分配等相關事宜,應依相關法令辦理。
  • 不同帳號禁止交流答案,違者視同舞弊。
  • 若活動發生舞弊行為,則舞弊之隊伍將被取消參加資格,並由他隊依排名遞補。
  • 測試資料的答案上傳後,成績將分為兩部份計算:
    • 活動時間截止之前,系統僅計算部份測試資料的答案,並公佈於 Public Leaderboard;此資料佔全部測試資料的 40%。
    • 活動時間截止之後,系統將會計算另一部份測試資料(60%)的答案,並公佈於 Private Leaderboard,以做為最後成績;並以此成績為最後的排名依據。
  • 入圍者接到通知後,需於 7/22 前需繳交報告,才具備敘獎資格。(報告不會對外公開)
  • 未來如有任何爭議,主辦單位將保留最終決定權。