AI开发者大赛 | 6道算法赛题上新

2024 AI开发者大赛正在如火如荼地进行着，本届比赛吸引了全球范围内的众多优秀开发者参与其中，用代码书写未来，用算法改变世界。

如今，算法赛新一批赛题上线，无论是初学者还是资深开发者，你都可以在2024 AI开发者大赛发现更多机会，挑战更多可能。

基于超声数据的多病种疾病预测挑战赛

奖金池

￥10,000

赛题背景

当代医学诊断实践中，超声成像技术凭借其非侵入性、无放射性、成本效益高及实时性等显著特点，已广泛成为各类医疗场景中不可或缺的诊断工具。该技术通过发射高频声波并捕捉其回波信号，构建出人体内部结构的精确图像/视频，从而为临床医生提供了关于器官、组织和血管系统的详尽信息。

尽管如此，超声成像的数据解析与分析过程往往高度依赖于专业医生的主观判断和个人经验，这种依赖可能引发诊断结果的不一致性及误差。此外，众多不同的疾病在超声数据上可能展现出相似的特性，这增加了仅凭视觉检查准确区分和识别特定病种的难度，特别是在多病种共存的情况下。

因此，研究基于超声数据的多病种疾病预测方法显得尤为重要。本次赛事旨在激励全球AI领域研究者开发能够自动处理和分析超声数据，并准确预测患者可能患有的多种疾病的算法和方法。此类技术不仅能提升诊断的准确性和效率，降低误诊或漏诊的风险，而且对优化医疗资源配置、提高诊疗效率、降低医疗成本具有潜在的重大影响。同时，可进一步提升基于超声数据的多病种疾病预测方法的性能，并推动其在实际临床环境中的应用。

赛题任务

为研究利用超声数据进行多病种的疾病预测算法，本次大赛提供了数据集训练样本，参赛者需根据提供的超声样本构建模型，对数据集进行处理。

赛题思路

赛题提供多个类别的超声图像，参赛者可使用训练集训练多病种分类模型，通过多病种分类模型对测试集进行预测。超声数据的解读具有一定复杂性，不同病种在超声图像上的表现可能存在相似之处，区分难度较大。同时，要建立准确的预测模型，需要处理大量的超声数据，并运用先进的机器学习和深度学习算法。

报名截止：9月23日

玉米苗期种植密度识别挑战赛

奖金池

￥10,000

赛题背景

随着中国经济发展和人口增长，农业生产的需求不断增加，玉米作为重要的粮食作物之一，一直处于国家粮食安全和生态保护的重要位置。玉米制种产业是玉米生产的基础保障。在玉米制种生产过程中，在苗期对全田保苗数的正确统计，有利于种植户正确预估种子产量，及早安排田间管理方案，确保生产目标的达成。

赛题任务

在玉米苗期，通过田间图像正确统计地块玉米植株数量，可区分杂草、拔除的玉米苗及其他作物。

赛题思路

赛题提供大量田间俯拍图像，参赛者需要正确分割玉米植株和其他。在图像采集的环境条件、不同品种玉米的苗期差异等方面都存在挑战，需要不断优化算法和模型以提高识别准确率，同时也需要考虑植株交叠、散落、薄膜、土壤等情况对算法精度的影响。

报名截止：9月20日

用户新增预测挑战赛赛季2

奖金池

￥10,000

赛题背景

讯飞开放平台针对不同行业、不同场景提供相应的AI能力和解决方案，赋能开发者的产品和应用，帮助开发者通过AI解决相关实际问题，实现让产品能听会说、能看会认、能理解会思考。

用户新增预测是分析用户使用场景以及预测用户增长情况的关键步骤，有助于进行后续产品和应用的迭代升级。

赛题任务

本次大赛提供了讯飞开放平台海量的应用数据作为训练样本，参赛选手需要基于提供的样本构建模型，预测用户的新增情况。

赛题思路

赛题提供大量用户应用数据样本，参赛者可以通过数据探索分析、挖掘等方式方法探索用户特征，深入挖掘数据中的潜在信息和规律，为模型提供健壮的特征。

报名截止：9月20日

基于蜡烛线形态组合的投资策略设计挑战赛

奖金池

￥10,000

赛题背景

量化交易是一种利用数学和统计模型来制定投资策略并自动执行交易的方法。在量化交易中，交易者会编写代码来分析市场数据，并根据一定的规则和策略执行交易。蜡烛线是常用的技术交易方法，通过把多个价格图形化的方法，辅助投资者发行价格变化规律，用于判断投资标的的走势和预测价格的变化。近年来，越来越多的交易者开始将蜡烛线组合应用于量化交易，通过编写计算机程序来自动执行交易。蜡烛线策略被用于构建投资信号。一旦出现买入或卖出的信号，投资者就会执行相应的交易操作。

如图1所示，传统的蜡烛线有四个价格构成，分别是开盘价、最高价、最低价和收盘价。在开盘价和收盘价之间，绘制了一个被称为实体的方框。从最高价和最低价延伸到实体的垂直线被称为上影线和下影线。当收盘价超过开盘价时，实体以白色（红色）表示，表示上涨趋势。相反，当收盘价低于开盘价时，实体以黑色（绿色）表示，表示下跌趋势。

图1 传统的蜡烛线

蜡烛图组合是由两个或更多连续的单根蜡烛线在一段时间内形成的组合。这些模式可以分为两大类:看跌模式和看涨模式。这些组合是根据两个连续日子的价格相对位置来识别的。如图2中的a1，当第二天的蜡烛线开盘价低于第一天的收盘价，并收于第一天开盘价之上时，就形成了一个看涨吞噬模式。图2中的c1是一个看涨跳空模式，当第二天的开盘价高于第一天的开盘价时得到确认。

图2 蜡烛图组合

赛题任务

本次挑战赛提供了沪深300的10分钟高频数据，包括一个训练集train.csv作为训练样本和一个测试集test.csv文件，参赛选手基于提供的样本完成下列任务：

1.数据清洗。9:30分以前只是集合竞价，不存在交易，需要把非交易时段剔除。

2.在技术分析中，蜡烛线形态是交易者用来预测市场趋势和价格变动的一种工具。

赛题思路

赛题强调基于蜡烛线形态组合的数据进行策略设计，在设计投资策略时，参赛者需要充分考虑风险与收益的平衡。蜡烛线形态组合虽然可以提供一定的市场信号，但也存在不确定性和风险。因此，需要通过合理的风险控制措施，确保投资策略的稳健性。参赛者以沪深 300 指数数据为基础，结合前一天数据预测第二天蜡烛图形态，可作为时序数据分类问题处理，也可转化为预测第二天开、收、高、低 4 个价位的回归问题处理，传统的 ARIMA、VAR、ARCH、GARCH 等方法以及深度的 LSTM、GRU、Transformer 等方法均可尝试。

报名截止：9月20日

基于卫星图像的细粒度船舶检测与识别挑战赛

奖金池

￥10,000

赛题背景

随着海洋经济的快速发展，船舶检测与识别在海上安全监控、海上交通管理、海洋资源开发等领域具有重要的应用价值。细粒度的船舶检测与识别不仅可以提高海上监控的效率，还可以为船舶分类、行为分析等提供基础数据。本次竞赛旨在推动船舶检测与识别技术的发展，提高检测的准确性和识别的细粒度。

赛题任务

在本竞赛任务中，您需要设计并实现一个深度学习模型，用于从卫星图像中细粒度地检测和识别船舶。

赛题思路

较为新颖的卫星图像目标检测，涵盖多个类别。参赛者可以选用诸如 Faster R-CNN、YOLO 系列等目标检测网络，甚至是以 Transformer 为骨干的网络结构，便于参赛者进行调优训练，充分发挥其技术优势，提升检测效果。

报名截止：9月20日

人岗匹配挑战赛赛季3