Syllabus Olimpiady Sztucznej Inteligencji

Dokument przedstawia zbiór tematów, których znajomość i umiejętność zakłada się u uczestników IV Olimpiady Sztucznej Inteligencji.

Ponadto przewidywana jest znajomość matematyki w zakresie rozszerzonym określonym w rozporządzeniu Ministra Edukacji Narodowej z dnia 30 stycznia 2018 r. w sprawie podstawy programowej kształcenia ogólnego dla liceum ogólnokształcącego, technikum oraz branżowej szkoły II stopnia, w szczególności wektorów i pochodnych, uzupełnionej o macierze, wartości i wektory własne oraz zmienną losową i jej rozkład.

Podczas pierwszego etapu zawodów uczestnicy rozwiązują zadania w wybranym przez siebie miejscu i czasie. Drugi i trzeci etap zawodów odbywają się w warunkach kontrolowanej samodzielności, w miejscu wskazanym przez Organizatorów. Ze względu na zdalny charakter pierwszego etapu, zadania mogą wymagać odszukania potrzebnych wiadomości uzupełniających w powszechnie dostępnych dla uczniów źródłach.

1. PROGRAMOWANIE I ŚRODOWISKO PRACY

2. PRZYGOTOWANIE I EKSPLORACYJNA ANALIZA DANYCH

* Zakres obejmuje m.in. obsługę danych brakujących i sekwencji o różnej długości (uzupełnianie braków, padding, maskowanie), normalizację i standaryzację, podział na zbiór treningowy, walidacyjny i testowy, augmentację danych oraz przygotowanie danych tekstowych, audio i obrazowych do modelu (tokenizacja, skalowanie i zmiana rozmiaru obrazów, patching).

** Zakres obejmuje m.in. przekształcanie danych surowych w zwięzły zestaw informatywnych cech: kodowanie kategorii (etykiety, one-hot), cechy oparte na momentach statystycznych, okna przesuwne, operacje poolingu, redukcję wymiaru oraz osadzenia wyznaczane przez sieci neuronowe.

3. KLASYCZNE UCZENIE MASZYNOWE

 * Zakres obejmuje identyfikowanie obserwacji nietypowych metodami statystycznymi, odległościowymi i opartymi na gęstości, a także z wykorzystaniem metod klasteryzacji.

** Zakres obejmuje hiperpłaszczyznę decyzyjną, maksymalizację marginesu, funkcję jądra (kernel trick), soft margin i parametr C.

*** Zakres obejmuje bagging, boosting i voting.

4. OCENA I WALIDACJA MODELI

5. SIECI NEURONOWE I UCZENIE GŁĘBOKIE

* Zakres obejmuje dropout, wczesne zatrzymanie, normalizację wsadową i inicjalizację wag.

6. WIZJA KOMPUTEROWA

7. PRZETWARZANIE JĘZYKA NATURALNEGO

8. PRZETWARZANIE DŹWIĘKU

9. UCZENIE ZE WZMOCNIENIEM

10. MULTIMODALNOŚĆ

11. WYJAŚNIALNOŚĆ MODELI (XAI)

12. ZAGADNIENIA UZUPEŁNIAJĄCE I ODPOWIEDZIALNE WYKORZYSTANIE SZTUCZNEJ INTELIGENCJI