產業議題

結束

人聲語音去噪

目前人工智慧語音識別的應用已越來越成熟、廣泛，然而背景音的干擾容易造成語音識別上的困難，因此，人聲去噪的技術將是一個重要的研究議題。本議題期望以 AI 的方式識別混音檔案中的人聲，並保留人聲的部分以進行去噪，期望獲得更純淨的人聲音訊，提高語音識別應用的服務品質。

2022-01-17T16:00:00+00:00 ~ 2022-03-18T15:59:59+00:00
結束

FPGA Edge AI – AOI 瑕疵檢測

自動光學檢查（簡稱AOI），為高速高精度光學影像檢測系統，運用機器視覺做為檢測標準技術，可改良傳統上以人力使用光學儀器進行檢測的缺點，應用層面包括從高科技產業之研發、製造品管，以至國防、民生、醫療、環保、電力…等領域。工研院電光所投入軟性電子顯示器之研發多年，在試量產過程中，希望藉由AOI 技術提升生產品質。本次邀請各界資料科學家共襄盛舉，針對所提供的 AOI 影像資料，來判讀瑕疵的分類，藉以提升透過數據科學來加強 AOI 判讀之效能。FPGA (Field Programmable Gate Array) 可透過重新組態結構，隨工作負載和演算法的進化將應用效能最大化。此議題將以 Xilinx® 的 Alveo™ U50LV FPGA 資料中心加速卡做為 model inference 平台。邀請全體會員一起來挑戰您對 FPGA 資料中心加速卡 (Xilinx® Alveo™ U50LV) 的模型優化能力，除了測試模型的正確率之外，亦需考量模型的 inference 速度。您需要上傳訓練並編譯好的模型至 AIdea，平台會將模型載入至 FPGA 加速卡執行 inference ，並依據 inference 速度及 model accuracy 計算得分。議題進行流程本議題進行流程簡述如下：報名議題、下載訓練集資料準備開發環境訓練 float modelQuantizationCompilation將 compile 後的模型（檔名必須命名為 deploy.xmodel）打包成不含目錄的 ZIP 檔，並上傳至 AIdea 執行 inference 及算分。詳細說明請參考 Tutorial 以及 Sample Code，Windows 使用者可以參考 Vitis AI Environment Setup for Windows 來設置您的開發環境。若您參賽過程中有遇到任何問題，歡迎您在討論區上發問討論，或是可以寄信至 support@e-elements.com.tw。在 Edge AI 蓬勃發展的未來，除了熟悉 AI 演算法之外，也要能針對各式 AI 加速裝置如 FPGA 加速卡等開發最佳化模型，現在就來挑戰吧！會員上傳的模型只用於本議題參賽評估使用，不會應用於其他目的，敬請參賽者放心。 

2021-08-26T16:00:00+00:00 ~ 2021-11-17T15:59:59+00:00
結束

國立臺灣文學館典藏文物劣化辨識

國立臺灣文學館於文學史料上，不論是典藏質量與數量，皆是極具指標性的館舍，蒐藏了臺灣文學史上具有代表性的重要作品與文獻資料。 定期進行藏品檢視紀錄能讓館員有效掌握藏品現況，臺文館持續投入此檢視紀錄工作已超過十年，並累積了豐富的成果。 然而面對逾11萬件的龐大典藏數量，以人工方式逐件檢視藏品相當曠日耗時。為此，本議題進行AI輔助藏品的劣化辨識開發，未來進一步建構文學藏品劣化狀況資料庫，不僅可協助典藏檢視工作效能提升，也能輔以藏品展示前後狀況比對工作，並降低傳統拍照與檢視所需耗費的大量人力時間。本次邀請各界資料分析、科學領域者共襄盛舉，針對所提供的文學藏品劣化影像資料，訓練人工智慧模型以辨識劣化的位置及種類，希望藉以助益臺文館的典藏工作。

2021-08-17T16:00:00+00:00 ~ 2021-11-03T15:59:59+00:00
結束

Edge AI 競賽 – AOI 瑕疵檢測

自動光學檢查（簡稱AOI）[1]，為高速高精度光學影像檢測系統，運用機器視覺做為檢測標準技術，可改良傳統上以人力使用光學儀器進行檢測的缺點，應用層面包括從高科技產業之研發、製造品管，以至國防、民生、醫療、環保、電力…等領域。工研院電光所投入軟性電子顯示器之研發多年，在試量產過程中，希望藉由AOI 技術提升生產品質。本次邀請各界資料科學家共襄盛舉，針對所提供的 AOI 影像資料，來判讀瑕疵的分類，藉以提升透過數據科學來加強 AOI 判讀之效能。 Reference[1] https://zh.wikipedia.org/wiki/自動光學檢查 競賽模式此議題主要是要測試您對嵌入式開發平台 (NVIDIA Jetson Nano) 的能力，除了測試模型的正確率之外，亦需考量模型的載入速度，以及 inference 的速度。您需要上傳訓練好的模型至 AIdea，平台會將模型載入至 Jetson Nano 後，做 inference 及算分。參賽流程如下：在 AIdea 網站上報名議題。下載訓練集資料，並訓練模型。將模型打包成 zip 檔後，上傳至 AIdea 做 inference 及算分。在平台上限制程式的記憶體使用 (3GB)，也限制最長的執行時間 (20分鐘)，若超過限制，將會視為失敗。在 Edge AI 蓬勃發展的未來，除了熟悉 AI 演算法之外，也要能針對 edge device 來做模型最佳化，現在就來挑戰吧！詳細說明請參考下載檔案中的說明文件，也歡迎在討論區上發問討論！議題說明文件會員上傳的程式、模型只用於本議題參賽評估使用，不會應用於其他目的，請參賽者放心。 

2021-05-18T16:00:00+00:00 ~ 2021-08-18T15:59:59+00:00
結束

電影評論情緒分類

情緒分析是現今自然語言處理 (NLP) 最重要的應用之一，藉此可以理解人們文字與言論中的情緒，理解評論的真實走向，幫助資料庫建立更加準確的評論系統。此議題中蒐集了許多簡短的電影文字評論，參賽者需使用現有的評論，訓練人工智慧模型來分析、判斷類似的文字評論帶有正面或是負面的情緒。資料來源[1] https://ai.stanford.edu/~amaas/data/sentiment/[2] https://paperswithcode.com/dataset/sst

2021-05-12T16:00:00+00:00 ~ 2021-08-11T15:59:59+00:00
結束

2021-自動光學瑕疵檢測

    由於科技產業發展迅速，精密量測需求也隨之大增，尤其針對品質控管的技術更加受到重視。使用自動化光學檢測（Automated Optical Inspection, AOI）技術進行品質改善的應用範圍非常廣泛，近年來又結合AI在影像的突出表現，使得AOI發展如虎添翼。    本議題以軟性電子顯示器為檢測目標，希望透過數據科學判讀瑕疵分類，以增進AOI的效益。    如需使用於用於論文研究用途:中文版 citation：AIdea人工智慧共創平台。2021-自動光學檢測。資料來源  https://aidea-web.tw/topic/252eb73e-78d0-4024-8937-40ed20187fd8​?lang=zh英文版 citation：AIdea Artificial Intelligence Collaboration Platform.2021-AOI Defect Classification. Retrieved from  https://aidea-web.tw/topic/252eb73e-78d0-4024-8937-40ed20187fd8

2020-12-21T16:00:00+00:00 ~ 2021-04-28T15:59:59+00:00
結束

員工離職預測

人才是企業最重要的資源，提早發現員工離職傾向並留任優秀人才，是企業持續成長的重要議題。員工離職預測是利用大數據與人工智慧，分析員工未來是否會有離職的風險，以利針對離職風險較高的優秀員工，及早啟動留才管理機制。此議題中蒐集了多個可能會影響員工離職的因素，如年齡層、績效、最高學歷、出差數、請假數…等。公司的人資部門必須參考過去的經驗以及條件狀況，來判斷目前還在職的員工之離職傾向。在此議題中，參賽者需使用機器學習的方法，建立模型來分析、預測未來員工是否會離職。獎項獲獎條件：在 Private Leaderboard 高於 baseline 0.18 之前三名，並於 11/4 前繳交書面報告者。第一名 hicloud 15 萬點優惠點數 + 15,000 元獎金(含稅)第二名 hicloud 10 萬點優惠點數 + 10,000 元獎金(含稅)第三名 hicloud 5 萬點優惠點數 + 5,000 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

2020-08-04T16:00:00+00:00 ~ 2020-10-28T15:59:59+00:00
結束

圖書館資源對學習成效之影響預測

大學圖書館之設立旨為促進大學教育目標的達成，提供了大量的資源、服務，供學生吸收知識並利用圖書館豐富資源之間的關聯性協助學生完成獨立研究。研究結果指出 [1]，大學必修、選修成績高分的學生，都較懂得善用圖書館各項資源，也較常進入圖書館，且有使用過圖書館資源經驗的學生，仍會再次持續使用。本議題以亞洲大學 100-107 學年度學生的修課資訊與排名資訊、圖書館借閱紀錄、圖書館進出館紀錄作為資料集，預測學生 107 學年度第二學期 (相較於第一學期) 的個人排名進退步幅度，期望參賽者透過 AI 技術找出圖書館資源的利用程度與學習成效間的關係。獎項獲獎條件：在 Private Leaderboard 低於 baseline (MAE < 11) 第一名 hicloud 15 萬點優惠點數 + 15,000 元獎金(含稅)第二名 hicloud 10 萬點優惠點數 + 10,000 元獎金(含稅)第三名 hicloud 5 萬點優惠點數 + 5,000 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

2020-05-27T16:00:00+00:00 ~ 2020-06-30T15:59:59+00:00
結束

語音資料辨識分類

讓機器理解人類語音所表達的訊息，一直以來是業界、學界共同努力的方向。語音辨識（speech recognition）技術擁有數十年的研究歷史，在AI人工智慧興起後又掀起另一波新浪潮，中文語音辨識是否能有新的突破，快來參加本議題跟大家說你就是中文語音資料的專家。本議題資料集節選自科技部推出的「AI語音數據資料集」，內容包含中國四大文學名著，紅樓夢、三國演義、西遊記、水滸傳，以及警察廣播電台的路況報導，和教育廣播電台的新聞時事等。共有1,751個音訊檔案分為八個類別，參加者須透過音檔辨識為八大分類的那一種。議題資料來源：AI語音數據資料集【進行方式】報名議題下載資料、建立模型上傳成果（一天至多3次）選擇成果（上傳頁面右邊的挑選成果頁簽，最多挑選三筆）公佈名次Note：在上傳截止時間之前若無挑選成果則無法進入最後成績排名，視同自動棄權。

2020-01-15T16:00:00+00:00 ~ 2020-04-15T15:59:59+00:00
結束

展場民眾特徵分析

本議題為 2018 年於台北世貿中心連續舉辦三天的馬拉松運動博覽會，資料來自於裝設在展場出入口的攝影機擷取出約 38,000 張影像。利用機器學習的物件偵測技術，快速判斷影像中出現的參訪者位置及性別（男生、女生、其他 [註]），藉以初步分析來訪人群的性別比例。透過這些影像判別歸納的資訊，了解該類型展覽性別分布狀況。實際應用可結合其他資料，如手機資訊等，進一步分析參訪群眾在展覽中的行為偏好。提供活動主辦單位在動線安排、攤位設置上的規畫參考，承租攤位的商家可針對群眾喜好設計攤位及活動。此議題採取新的競賽模式：參賽者將分析程式上傳至 AIdea 平台後，由平台代理執行；所需要分析的資料只保留在平台上，即在不釋出原始資料的情況下，進行競賽。此競賽模式是為了保護具機敏性的原始資料，不直接於平台釋出資料，而是讓上傳至平台的分析程式進行讀取。參賽者可先下載容器影像檔（container image），並在 container 的環境中，利用範例資料開發分析程式，同時確保開發程式的正確性與相容性。註：性別中的「其他」類別，指的是無法利用視覺來辨別為男生或是女生，如兒童、嬰兒等。  競賽模式【遠端執行環境說明】遠端執行環境所支援之競賽模式：參賽者將分析程式上傳至 AIdea 平台後，由平台代理執行；即在不釋出原始資料的情況下，進行競賽。遠端執行環境為一運算環境，此運算環境中包含二個部份：程式執行所需要的環境（目前支援 Python），以及需要分析的資料（訓練集、測試集）。當參賽者將開發好的分析程式上傳至平台後，平台將程式放至運算環境中代理執行，執行結果（csv）送至算分模組中計算成績，參賽者可以在 AIdea看到成績。有別於傳統的競賽模式（參賽者下載資料後，在本地端進行資料分析、建模、上傳答案），需要分析的資料僅保留在平台上，藉此保護機敏資料。本運算環境使用容器技術，參賽者可下載容器影像檔（container image），並在此容器中進行程式的開發。容器影像檔與遠端執行環境中的影像檔相同，可以確保程式的相容性。參賽者依據範例影像來進行分析程式開發，範例影像包含影像與標註。參賽者透過平台上的成績，改進、調整分析程式演算法。程式上傳之後，運算資源每次可以執行程式的時間最多為 4 小時。 【上傳程式處理】 會員上傳的程式執行完畢即刻刪除，不會保留於平台，平台不複製、轉傳或應用於他目的，請參賽者放心。 【報名方式】3/25起重新開放報名，於頁面右方點選報名鈕即可。 因運算資源有限，報名人數設有上限。 報名人數額滿後，不再開放報名。 【參賽者進行方式】參考上述報名方式來信報名。準備 Docker 環境，並下載 container image（docker pull nvaitc/ai-lab:19.08），此為程式開發環境。下載範例影像，並以這些範例影像開發分析程式。將分析程式命名為 main.py，並打包為 ZIP 檔如 prog.zip。若有其他的程式，也請一同打包至 ZIP 檔中。分析程式 main.py，必須產出結果檔 result.csv，格式請參考「上傳格式說明」。若分析程式 main.py 沒有產出 result.csv，則視為格式錯誤。將分析程式（prog.zip）上傳至本平台，由平台提供的運算資源進行運算，包含訓練及測試。若成功運算完成，在 AIdea 網站上會顯示成績，參賽者透過此成績調整分析程式之演算法。 獎項在 Private Leaderboard 超過 baseline（mAP > 0.50）的前三名，將頒發以下獎項：第一名：hicloud 15 萬點優惠點數 + 5 萬元獎金（含稅）第二名：hicloud 10 萬點優惠點數第三名：hicloud 5 萬點優惠點數佳作：hicloud 5 萬點優惠點數 (數名，視最終結果決定)上傳禮：只要上傳成果，就可以獲得上傳禮一份。一個帳號贈送一個 AIdea 特製杯墊，數量有限，送完為止（一個帳號限領一份上傳禮）。※ 敬請報名者協助測試平台解題順暢度等相關運作狀況，歡迎於討論區或來信至管理員信箱回饋問題（討論區優先），回饋意見最多且最有價值者，將可獲選佳作獎項。 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 

2019-12-24T16:00:00+00:00 ~ 2020-04-29T15:59:59+00:00
結束

臺灣海洋廢棄物預測

海洋廢棄物是全球關注的重大污染議題，科學研究顯示人造垃圾已經對生態、經濟造成重大且難以復原的影響。海洋廢棄物污染場域廣大，相較於一般空氣、水體或廢棄物污染，更不容易找出污染源與污染區域之間的直接關聯；人造固體廢棄物因外觀、尺寸、重量、材質之間具有高度差異，相對於重金屬或農藥等化學污染，目前無法用單一檢測儀器或程序測量。人造廢棄物的源頭減量才是最根本的治理辦法，但是改變源頭不易，且需較長的時間，因此做為末端補救的淨灘相當重要。海岸廢棄物快篩調查可在短時間內做大範圍的抽樣調查，並量化廢棄物，可作為測量的方法之一，供淨灘選址參考。快篩的抽樣方式為於海岸線每隔 10 公里取一測站，以臺灣本島 1,210 公里海岸線為母體，即有 121 個測站。本議題希望藉由測站資訊預測相近測站的資訊，以達到減少測站和人力。Reference[1] https://www.sow.org.tw/sites/sow/files/hai_an_fei_qi_wu_kuai_shai_diao_cha_zhi_yin_190802.pdf獎項第一名 hicloud 15 萬點優惠點數第二名 hicloud 10 萬點優惠點數第三名 hicloud 5 萬點優惠點數佳作 hicloud 5 萬點優惠點數 (數名，視最終結果決定)本獎項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

2019-11-19T16:00:00+00:00 ~ 2020-03-04T15:59:59+00:00
結束

台灣牧場乳量預測

根據統計2019年全球酪農業的預估營收超過4,420億美元[1]，至2019年第二季農委會資料開放平台資料[2]顯示，全台乳牛飼養場數為557場，乳牛在養頭數為115,685頭，其中每牧場的平均飼養規模約207頭牛。依農委會107年農業統計年報[3]-畜牧生產之統計結果，產乳牛有61,967頭，產乳量約419,342公噸。隨著數位轉型，農牧業也開始擁抱新科技[4]，在精簡人力的狀態下，每頭牛的平均產乳量已經超越澳洲、德國及中國等國，且仍在逐年提升，整體的酪農業實力正不斷追趕酪農業先進國(如：美國與以色列…等)。本議題透過中華民國乳業協會所提供的乳牛群性能改良計畫（Dairy Herd Improvement, DHI）資料庫預測台灣不同地區牧場生產的乳量，希望參賽者能掌握預測乳量生產的關鍵，並對於台灣酪農後續在智慧化牧場管理與乳價擬定能有相當程度的助益。 獎項第一名 hicloud 10 萬點優惠點數第二名 hicloud 5 萬點優惠點數第三名 hicloud 5 萬點優惠點數佳作 hicloud 5 萬點優惠點數 (數名，視最終結果決定)本獎項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

2019-09-30T16:00:00+00:00 ~ 2019-12-18T15:59:59+00:00
結束

馬拉松運動博覽會參訪動線類別預測

人潮動線在群眾行為研究中常佔有相當關鍵的影響，不僅僅是行銷活動上的參考重點，也是各種活動、展覽、街邊店面與百貨商城長期關注的資訊。從人潮動線的收集與分析，能夠協助我們瞭解參訪群眾的喜好與佇留情況，進而能將有限的空間妥善利用，並提供更合適群眾需要的內容。針對已知類型的群眾樣態，可於舉辦活動或設計攤位上，將分析結果作為依據，進而對其喜好優化，在實際場域的應用上，則可用於辨識群眾與推播適當資訊。議題資料收集來自2018馬拉松博覽會展場的部份抽樣數據，並已整理規劃出五種參訪群眾類型。在如此大量的群眾路線組合中，如何訓練與建立出一個良好的決策模型將作是本次議題的挑戰。獎項第一名 hicloud 10 萬點優惠點數第二名 hicloud 5 萬點優惠點數第三名 hicloud 5 萬點優惠點數佳作 hicloud 5 萬點優惠點數 (數名，視最終結果決定)本獎項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

2019-07-15T16:00:00+00:00 ~ 2019-09-30T15:59:59+00:00
結束

鎳原料價格預測

本議題由華新麗華股份有限公司提供，華新麗華公司致力於銅線材、電線電纜、特殊鋼等基礎材料之研發製造，為大中華區電線電纜與特殊鋼產業領導廠商之一。 鎳為不銹鋼的重要材料，許多產業都需要大量使用不鏽鋼材料，包括車輛製造、遠程通訊、工程施工、化工工業和食品工業、航天航空工業等。 鎳的交易價格最高曾到達每公噸52,300美元，最近的價格約13,000美元，波動輻度相當巨大，如何正確的預測鎳價格，一直是控制不銹鋼製造成本的重要因素。本次競賽提供了多種期貨交易資料，產業相關的新聞資料，希望參賽者能掌握預測鎳價格的關鍵。獎項 第一名   hicloud 10 萬點優惠點數 第二名   hicloud 5 萬點優惠點數 第三名   hicloud 5 萬點優惠點數 佳作      hicloud 5 萬點優惠點數 (數名，視最終結果決定) 本獎項由中華電信提供 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

2019-07-09T16:00:00+00:00 ~ 2019-10-22T15:59:59+00:00
學界限定
結束

第2線化學反應趨勢預測

本議題由中國石油化學工業開發股份有限公司（中石化）提供，中石化以生產石化中間產品、工程塑料、合成樹脂及化學纖維原料等衍生產品為核心事業。此議題之資料為產品生產紀錄，此產品是透過化學觸媒反應產生。紀錄包含操作參數（A1~A7）與產品轉化率預測（B1~B12），主要產品為 B4，副產品為 B5、B7。操作人員藉由已知操作參數，判斷未來產品轉化率變化，並適時調整操作參數使主要產品 B4 保持於最佳狀態，藉此可減少原物料使用量及提升主要產品 B4 之產能。化學觸媒反應每週一至週五，每日會進行一次反應全分析化驗，參考當天產品轉化率數據進行操作參數調整，於隔天再觀察產品轉化率數據，以保持較佳的 B4 轉化率性能表現。本議題希望藉由時間的趨勢來預測產品轉化率，主要包括 B4、B5、B7 等之轉化率預測，藉以提早進行操作參數（A1~A7）調整，以維持產品轉化率於水準之上。獎項第一名 hicloud 10 萬點優惠點數第二名 hicloud 5 萬點優惠點數第三名 hicloud 5 萬點優惠點數佳作 hicloud 5 萬點優惠點數 (數名，視最終結果決定)本獎項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

2019-06-11T16:00:00+00:00 ~ 2019-09-30T15:59:59+00:00
學界限定
結束

維修元件備料預測(二)

「日常維修元件備料預測」是對筆電各共用料件群組進行日常耗用量的預測議題，使用料件維修歷史紀錄以及產品銷售紀錄做為未來耗用量的預測基礎。考慮料件全球性採購直至料件送達維修據點所需的備貨時間，日常備料預測需要提供未來21週每週耗用量預測，以供客服單位進行採購以及料件運輸作業。如何精準的預測耗用量，成為重要的成本改善問題。本議題僅限學界參與，歡迎學界菁英透過數據科學來探索共用料件的未來耗用量藉以降低備料成本。 本議題為開放式議題，提供持續性長期解題，並設有里程碑獎勵，成績突破Baseline (MAPE 本次里程碑結束後會更新資料集，將會清空個人與排行榜成績，預計十月份會更新資料集。 獎勵MAPE < 20 hicloud 30 萬點優惠點數MAPE < 30 hicloud 20 萬點優惠點數MAPE < 40 hicloud 10 萬點優惠點數本獎項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備註3：超過Baseline者，模型通過驗證後，始得發放獎勵。點數試算範例請參考：https://aidea-web.tw/computing

2019-04-01T16:00:00+00:00 ~ 2019-09-30T15:59:59+00:00
結束

尋找病媒蚊孳生源-積水容器影像物件辨識

登革熱，是一種藉由病媒蚊叮咬而感染的急性傳染病，每年台灣入夏後，容易引爆登革熱感染潮，典型登革熱的症狀會有突發性的高燒（≧38℃），頭痛、後眼窩痛、肌肉痛、關節痛及出疹等現象；然而，若是先後感染不同型別之登革病毒，有更高機率導致較嚴重的臨床症狀，如果沒有及時就醫，死亡率高達20%以上。要有效防範登革熱，清除病媒蚊產卵、幼蟲孳生的地方為根本之道。病媒蚊孳生源泛指所有『積水容器』，例如瓶、盆、桶、罐、杯、碗、輪胎、塑膠袋等。每年登革熱的流行季節，衛生局需派員稽查各住家、社區及髒亂地點是否有積水容器，然而容器種類眾多容易被忽略，且以人工辨識往往耗費太多人力與時間成本。因此本議題提供各種積水容器之標註資料，希望能透過影像物件偵測技術，能讓稽查人員藉由影像或是視訊提醒其積水容器之物件位置，除了提高稽查效率外，更期望進一步運用於其他載具中。本議題為開放式議題，提供持續性長期解題，並設有里程碑獎勵，成績突破 Baseline 的前三名參賽者即可獲得獎勵，Private Leaderboard將不定期更新。競賽獎項里程碑當日23:59:59前上傳之最終成績，在Private Leaderboard超過Baseline（0.595474）的前三名，將頒發以下獎項：第一名 hicloud 10 萬點優惠點數第二名 hicloud 10 萬點優惠點數第三名 hicloud 10 萬點優惠點數 本獎項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備註3：超過Baseline者，模型通過檢驗後，始得發放獎勵。點數試算範例請參考：https://aidea-web.tw/computing

2019-01-27T16:00:00+00:00 ~ 2019-11-30T15:59:59+00:00
學界限定
結束

維修元件備料預測

「維修元件備料預測」是對各共用料件群組進行長時間的耗用量預測議題，使用料件維修歷史紀錄以及產品銷售紀錄做為未來耗用量的預測基礎。因為產品銷售後，客服單位必須備足維修用料，以提供消費者產品保固及保修期間內的維修換料服務。然而料件可能在產品銷售生命週期中任何時段發生停產，如何精準的一次性採購長時間的維修料件用量，成為重要的成本改善問題。本議題僅限學界參與，歡迎學界菁英透過數據科學來探索共用料件的未來耗用量藉以降低備料成本。

2018-08-16T16:00:00+00:00 ~ 2018-12-31T15:59:59+00:00
學界限定
結束

長期安置機構類別預測

家庭暴力防治中心在受理各單位處理家庭暴力被害人或自行申請緊急安置後，工作人員隨即接手評估與瞭解相關因素與狀況以做出最適合之處置。由於個案態樣考量因素複雜且有時效壓力，不同經驗之工作者可能產生不同的決定，為求決策品質與決策效率本次競賽提供家防中心長期安置機構相關決策判斷資料，包括多項關於個案之基本背景條件、面臨之狀況、法規要求等等樣本變數之相關記錄，希望藉由處置之資料來建立決策模型，作為未來在相關個案長期安置機構建議之參考。

2018-09-30T16:00:00+00:00 ~ 2018-12-31T15:59:59+00:00
學界限定
結束

排煙脫硫警示預測

燃煤與工業生產過程會導致二氧化硫(SO2)的生成，其煙氣中所排放的的硫氧化物濃度，需要符合環保單位所規範之排放濃度規定以降低空氣的污染。因此，透過脫硫設備穩定有效率的處理過程，不僅能降低硫氧化物的排放濃度，同時可減少空氣污染防制成本並對環境保護有很大助益。由於排煙脫硫設備(Flue-Gas Desulfurization,簡稱：FGD)所需的運轉物料投入皆有成本人與力上的考量與控制。本次競賽提供之排煙脫硫系統設備運轉相關偵測數據，包括二十五項設備偵測變數之記錄。希望藉由設備的運行過程數據與脫硫結果之間關係進行瞭解並建立一套預測模型，作為成本與環保二者間運作的參考。

2018-07-31T16:00:00+00:00 ~ 2018-11-15T15:59:59+00:00
結束

地層透水性參數分析

地層透水性參數乃研究地下水流體流經孔隙介質之難易程度，是水資源管理與環境污染整治重要調查參數。而水流體流經孔隙之難易程度可透過水力傳導係數(hydraulic conductivity)表示。其實驗方法如下，在平面空間上設置20口抽水井，每口井固定抽水量，監測每口水井地下水水位。現有大量抽水資料，分別是於不同水井抽水，獲得每口水井水位資訊。主要目的在於直接透過地下水位變化而得知水力傳導係數之空間分布。本次邀請各界資料科學家共同參與活動，以地下水位資料預測水力傳導係數之空間分布。

2018-07-25T16:00:00+00:00 ~ 2018-11-09T15:59:59+00:00
結束

載客熱點預測

載客熱點預測係經由分析計程車乘客之歷史乘車時間與地點資料，預測未來特定時間、特定地點的乘車需求。妥善運用合宜的預測模型可有效媒合司機與乘客、增加計程車載客率、降低乘客等車時間，進而減少道路上計程空車、降低空汙廢氣排放等，提升交通服務品質，做為發展與經營智慧城市之重要參考。

2018-07-12T16:00:00+00:00 ~ 2018-11-14T15:59:59+00:00
結束

AOI 瑕疵分類

自動光學檢查（簡稱AOI）[1]，為高速高精度光學影像檢測系統，運用機器視覺做為檢測標準技術，可改良傳統上以人力使用光學儀器進行檢測的缺點，應用層面包括從高科技產業之研發、製造品管，以至國防、民生、醫療、環保、電力…等領域。工研院電光所投入軟性電子顯示器之研發多年，在試量產過程中，希望藉由AOI 技術提升生產品質。本次邀請各界資料科學家共襄盛舉，針對所提供的 AOI 影像資料，來判讀瑕疵的分類，藉以提升透過數據科學來加強 AOI 判讀之效能。本議題為開放式議題，提供持續性長期解題，並設有里程碑獎勵，Baseline為前階段的最佳成績，PrivateLeaderboard將不定期更新。Reference[1] https://zh.wikipedia.org/wiki/自動光學檢查

2018-05-23T16:00:00+00:00 ~ 2020-11-04T15:59:59+00:00
學界限定
結束

設備維護預測

設備維護預測是以設備狀態為依據的維護，在設備運轉時，對設備進行狀態監測和故障診斷紀錄，藉以判定設備所處的狀態並預測設備狀態的未來趨勢。依據設備的狀態發展趨勢和可能的故障模式，預先制定維護計劃，包括維護的時間、內容、方式和必需的技術和物資支援，以有效維持設備的產能。本次邀請各界資料科學家共同參與活動，針對提供的設備測量資料，來預測特定設備在未來發生問題的機率，藉以提升透過數據科學來探索的設備維護預測掌握程度。

2018-02-01T16:00:00+00:00 ~ 2018-08-02T15:59:59+00:00
結束

國人就醫的共病案例數預測

共病症係病人在接受治療或研究的主診斷之外，其他已經存在、且會對這次的主診斷疾病產生影響的疾病狀況。鑒於全民健康保險研究資料庫已成為醫療服務研究重要之資料來源，如何適當地應用次級資料進行衍生應用研究亦為時下熱潮。本次邀請各界資料科學家共同參與活動，針對所盤點與提供的共病測量資料，來預測特定性別在特定年齡層的共病案例數，藉以提升透過數據科學來探索醫病關聯的掌握程度。

2017-12-27T16:00:00+00:00 ~ 2018-03-28T15:59:59+00:00
議題 產業議題 研討會 AI CUP 2022 中科智慧製造 亞洲．矽谷 評鑑專區 練習場
關於 關於平台 工研院團隊 雲端運算資源 隱私權聲明 FAQ System Status
聯絡

任何意見或問題請聯絡
admin.AIdea@itri.org.tw

繁體中文 English

版權所有 © 2017–2024 工業技術研究院（人工智慧共創平台 v1.5.0）