两江新区第三届中小学人工智能机器人创新挑战赛开赛
两江新区第三届中小学人工智能机器人创新挑战赛开赛机器人大比拼
2022年03月04日20:07两江新区网阅读量：3月4日，两江新区第三届中小学人工智能机器人创新挑战赛在金州小学开赛。两江新区各校学生在比赛项目中同场竞技、共展风采。
挑战赛设置了优创未来、超变战场、绿茵小将、亲子嘉年华、智能物管大师和机器人舞蹈大赛等六个项目，参赛选手通过电脑编程控制机器人在各项目中完成规定动作。
现场，机器人舞蹈大赛项目备受关注。参赛学生编写程序控制机器人舞蹈，机器人伴随着音乐进行舞蹈表演，其中有必选动作，也有创新动作，考验参赛队员的想象力。不少动作有新意有活力，受到大家点赞。
绿茵小将项目中，在2V2机器人足球赛中，尽管只有两名“足球运动员”，但在学生们的操作下，机器人“足球运动员”紧密配合，找时机、强进攻、稳防守，通过编程设计更加灵活的动作，抢球、传球、射门一气呵成。
智能物管大师比赛项目中，学生们制作了“智能物流机器人”，进入模拟物流运输场地，在规定的时间内，机器人自动完成货架区揽件、转运货物、通过交通障碍、分类投放等各项任务。
挑战赛还设置了亲子嘉年华竞技赛，让家长们也参与到这场智能比拼中来。学生和家长通过密切配合，控制机器人捡拾彩色方块到相应的桶内。
此次挑战赛由两江新区教育管理中心、两江新区教育发展研究院主办，至今已举办三届，师生智慧素养得到持续提高。
“在连年的比赛中，我们看到，中小学生学习人工智能和机器人编程的兴趣更加浓厚，勇于探索的创新精神和解决问题的实践能力也在不断提高。”挑战赛组委会负责人王冬介绍，根据疫情防控要求，此次比赛合理设置场地时间，规范参赛人数，参赛人员也严格遵守疫情防控有关规定。
记者了解到，两江新区正加快建设智慧教育新区、基础教育强区，聚焦全国智慧教育示范区创建，重点建立以教师学生智慧化为核心、教育教学全过程智慧化为手段、校园治理智慧化为环境的两江智慧教育体系。
目前，两江新区率先在全市编制智慧教育发展规划、推进智慧校园建设，并成功创建国家智能社会治理实验基地，申报全国5G+智慧教育应用试点项目，已实现宽带网络、人工智能机器人、编程教育覆盖率100%，各校组建了创客社团、编程社团、机器人社团、航模社团等智慧化课后服务供学生免费参加。
“我们将持续组织学生信息素养提升实践活动、机器人创新挑战赛、科技创新大赛、编程大赛、信息学奥赛等，全面培育学生智慧素养。”两江新区教育发展研究院院长曾万学表示。
（记者刘霞金州小学供图）
编辑：刘霞2023 高校人工智能创意赛
竞赛规程2023“中国高校计算机大赛—人工智能创意赛”（以下简称“竞赛”）由全国高等学校计算机教育研究会主办，浙江大学、百度公司联合承办，探月与航天工程中心、嫦娥奔月航天科技（北京）有限责任公司作为合作单位。该竞赛是面向全球高校各专业在校学生的科技类竞赛活动，旨在激发学生的创新意识，提升学生人工智能创新实践应用能力，培养团队合作精神，促进校际交流，丰富校园学术气氛，推动“人工智能+X”知识体系下的人才培养。
欢迎全球范围高校积极投递作品，鼓励高校教师积极参与指导。
报名要求本届竞赛面向中国及境内外高等学校在读学生（含本科、硕博研究生等）。具体要求如下：
1、参赛队员不限专业；
2、可单人参赛或自由组队，每支参赛队伍人数最多不超过3人，允许本校内跨年级、跨专业组队；
3、参赛队员必须为高等学校在册在校学生，报名须保证个人信息准确有效；
4、每支参赛队伍须有一名指导教师，且指导教师必须为参赛队伍所属高校在职正式职工；
5、竞赛期间，每支队伍有且仅有一次队员及指导教师个人信息的修正、更换机会。
作品要求参赛作品须围绕人工智能核心技术，探索有具体落地场景的技术应用创意方案，如人工智能技术在航天、工业、农业、医疗、文化、教育、金融、交通、公共安全、日常生活、公益等行业领域的应用探索。
竞赛采用开放命题，参赛作品须使用百度AI开放平台相关技术并遵循相关设计、开发指南与规范。参赛者应充分发挥创新能力，自由探索应用场景并自行获取相关数据，最终提交具有原创性并能够进行可视化应用展示的参赛作品。
竞赛分为赋能组（EasyDL/BML/AIStudio）、创新组（飞桨）和航天组（飞桨）三个组别，每支参赛队伍可根据自身兴趣及技术能力基础任意选择组别参赛，同一参赛队员（队伍）只允许报名参加一个组别。
具体参赛要求如下：
赋能组参赛要求参赛者可基于对某一行业的洞察，自行选择技术创意创新应用场景，开发具有产业落地价值的产品。要求参赛作品须使用EasyDL零门槛AI开发平台（https://ai.baidu.com/easydl）、BML全功能AI发平台（https://ai.baidu.com/bml）或AIStudio大模型社区（https://aistudio.baidu.com/aistudio/community）创建模型。
创新组参赛要求参赛者可基于对某一行业的洞察，自行选择技术创意创新应用场景，开发具有产业落地价值的产品。要求参赛作品须基于飞桨开源深度学习平台进行深度学习创意应用开发，作品形式包含但不限于算法优化、智能终端应用（如软硬件一体系统、AR/VR产品、AIGC平台、大模型应用平台）等。
航天组参赛要求参赛者须具备一定的深度学习、航天工程基础知识，需要围绕航天领域相关应用场景，如深空资源开发利用（星壤资源、矿产资源、气体资源、水冰资源）、深空探测知识超图（科学目标谱系、知识图谱）、深空自主（自主感知、自主规划、自主导航、自主控制、自主修复、自主重购）等。要求参赛作品须基于飞桨开源深度学习平台进行面向航天领域的算法设计与软硬件应用开发。作品形式包含但不限于算法优化、智能终端应用（如航天机器人、交互式软件平台、VR/AR产品，软硬件一体机等）等。
注：以上平台相关学习、安装资料均可在竞赛官网（http://aicontest.baidu.com）的学习资料版块中获取。
赛制说明竞赛分为初赛、复赛、全国总决赛三个阶段，在各阶段，参赛队伍须按照要求按时、合规地提交参赛作品。1、作品提交规则
初赛
参赛者须按要求提交项目创意书及团队介绍，内容应包括作品参赛作品简介，参赛作品创意点、应用场景、工作原理、解决的实际问题、技术方案、开发排期、团队分工等。
复赛
参赛者须基于初赛创意完成作品的开发，提供作品说明书及作品可视化展示视频（3分钟短视频），创新组的参赛者还需要将作品以AIStudio项目的形式呈现并开放出来，项目须包括但不局限于以下内容：项目背景、技术方案、配套代码、创作思路等，优秀的AIStudio项目也将有加分。
历届竞赛优秀项目示例：https://aistudio.baidu.com/aistudio/projectdetail/1322738
全国总决赛
参赛者须通过现场路演汇报的形式，全方位呈现作品实现过程及最终作品。
2、作品评审规则
选题定位25%
（1）选题及定位
（2）落地转化可行性
（3）创意转化可行性
社会价值30%
（1）用户需求贴合度
（2）需求迫切度
（3）市场价值及推广性
技术能力35%
（1）技术方向
（2）数据基础
材料规范性10%
（1）资料完整性和逻辑条理
（2）语言文字和附件素材
3、晋级规则
评审专家以竞赛专家委员会专家为主，秉持公平、公正的原则进行评审，竞赛组织委员会负责相关流程的组织和监督。初赛和复赛均采取线上评审方式，全国总决赛采取现场答辩的评审方式。竞赛分中国境内七大赛区及港澳台、海外赛区（具体见“组织管理”），复赛结果公布时，将同时选拔出赛区优秀参赛团队。各阶段晋级规则如下：
初赛晋级规则
根据赋能组、创新组、航天组各组别报名队伍数量情况确定晋级比例，分别推举复赛晋级队伍。
复赛晋级规则
赛区奖：通过对参赛项目的综合评选，按赋能组、创新组分别评选出各赛区一、二、三等奖并颁发相应证书，获奖团队总数量不超过该赛区提交有效作品队数的三分之一。
晋级总决赛：按赋能组、创新组、航天组各组别内所有作品得分排序，选送不超过60支参赛队伍进入全国总决赛；赋能组、创新组各赛区如果晋级复赛项目数大于或等于5个作品，则此赛区第一名将自动晋级总决赛。
全国总决赛晋级规则
按复赛入围队伍现场路演答辩情况评选出最终获奖名单，按决赛奖项设置颁发相应的证书及奖金。
另外，本次大赛鼓励原创性工作，要求作品的核心创意和主要开发过程在大赛期间独立完成，下列几种作品情况不建议推荐晋级下一轮：已产业化的项目，历届获奖作品或同类赛事中已获奖作品，并未有新的实质性技术突破。
奖项设置本次竞赛的评审结果由竞赛专家委员会审定，并在竞赛官方网站公布。获奖证书由竞赛组织委员会统一印制、颁发，颁奖典礼在全国总决赛评审结束后进行。本次竞赛具体设置以下奖项：
1.复赛奖项
复赛具体奖项数量及名单由竞赛组委会根据各区域参赛队伍数量和作品质量确定。
2.全国总决赛奖项
根据全国总决赛最终成绩排名设置一等奖、二等奖、三等奖及优秀指导教师奖等，颁发证书及奖金（税前）。
具体奖项数量及金额情况如下表所示：
组别奖项名额奖金（元）赋能组一等奖36000二等奖83000三等奖若干2000最佳应用奖51000创新组一等奖310000二等奖126000三等奖若干3000创新创业奖55000航天组一等奖120000二等奖210000三等奖若干5000优秀指导教师奖152000说明
（1）最佳应用奖：为鼓励人工智能技术赋能产业升级，将从赋能组参赛项目中选拔出已经有行业应用或应用潜力大的5个优质项目，提供1000元的奖金，激励选手关注行业需求，助力技术落地。
（2）创新创业奖：为响应教育部发起的建设双创示范基地的号召，百度飞桨将从参加决赛的高校中选拔出5所产生了优秀创新创业作品的高校，提供5000元奖金帮助建设并升级AI创新创业基地。
时间及报名安排1、时间安排
赛程安排如下表所示：
时间赛程安排2023年08月15日报名及初赛材料提交截止2023年09月30日复赛材料提交截止2023年11月中下旬全国总决赛现场答辩优秀参赛队集训营、颁奖典礼时间及地点另行通知2、报名交流方式
（1）登录“人工智能创意赛”竞赛平台（http://aicontest.baidu.com）报名，或“中国高校计算机大赛”网站（http://www.c4best.cn）交流。
（2）官方指定竞赛日常训练平台：
飞桨AIStudio学习与实训社区：http://aistudio.baidu.com
EasyDL零门槛AI开发平台：http://ai.baidu.com/easydl
BML全功能AI开发平台：http://ai.baidu.com/bml
相关学习资料下载：http://aicontest.baidu.com
（3）竞赛官方邮箱：aicontest@baidu.com
（4）竞赛官方交流QQ群：853144590
3、其他
本次竞赛不收取任何报名费用，入选全国总决赛的参赛队员在决赛期间的食宿由竞赛组织委员会安排，往返交通费及其他费用自理。
违规处理以下情况将视为违规，竞赛组织委员会有权取消参赛队伍的参赛资格：
（1）参赛报名信息作假；
（2）在参赛过程中出现违反相关法律、法规的行为；
（3）作品涉嫌抄袭，侵犯他人知识产权等；
（4）作品涉及不健康、淫秽、色情或毁谤第三方等内容；
（5）参赛期间发现或被举报认定存在的其他违法、违规行为。
组织管理本次竞赛设立竞赛指导委员会、竞赛专家委员会和竞赛组织委员会。各委员会的主要职责如下：
竞赛指导委员会
（1）负责对竞赛的各项活动提供指导和咨询，包括对竞赛主题，专家遴选，竞赛专家委员会、竞赛组织委员会的组织结构、职责范围等提供指导和建议。
（2）负责听取竞赛组织委员会对于竞赛运行情况的报告，对于竞赛中出现的问题提供咨询建议，为竞赛发展制定规划。
（3）负责监督竞赛专家委员会、竞赛组织委员会的工作，确保竞赛长期、稳定、高效地开展。
竞赛专家委员会
（1）负责确定竞赛的主题，制定竞赛的命题原则。
（2）负责确定竞赛的评审原则、评审工作流程、评分标准及细则，协调竞赛的奖项设置，督促并监督竞赛的评审。
（3）负责审定竞赛的最终获奖名单。
（4）负责处理竞赛过程中的申诉，对有关争议进行仲裁，对于仲裁结果具有终审权。
竞赛组织委员会
（1）负责具体落实竞赛的各项组织、实施工作。
（2）负责制定竞赛主题方案、规程及执行实施。
（3）负责竞赛品牌的宣传、推广。
（4）负责竞赛获奖结果的公示与查询。
（5）组织召开各竞赛委员会的工作会议。
（6）其他相关赛务工作。
本次竞赛按地区划分，各赛区设分赛区组织委员会，负责该地区的组织工作。中国境内七大赛区选拔赛的组织和管理由各赛区组织委员会负责，港澳台及海外赛区由竞赛组织委员会负责组织和管理。具体赛区安排如下：
赛区地区东北赛区黑龙江、吉林、辽宁华北赛区北京、天津、河北、内蒙古华东赛区上海、山东、江苏、浙江、福建、安徽华中赛区河南、湖北、湖南、江西西北赛区陕西、青海、甘肃、山西、宁夏、新疆西南赛区四川、重庆、贵州、云南、西藏华南赛区广东、广西、海南港澳台及海外赛区港澳台地区及海外地区其他本规程的最终解释权归“中国高校计算机大赛―人工智能创意赛”组织委员会所有。
“中国高校计算机大赛―人工智能创意赛”组织委员会
2023年6月
人工智能实战项目(python)+多领域实战练手项目
人工智能实战项目大家好，我是微学AI，本项目将围绕人工智能实战项目进行展开，紧密贴近生活，实战项目设计多个领域包括：金融、教育、医疗、地理、生物、人文、自然语言处理等；帮助各位读者结合机器学习与深度学习构建智能而且实用的人工智能简单系统，创建有影响力的AI应用，项目中提供项目原码，一步一步地运行每行代码，了解每行代码在做什么，由浅入深，不断地解决多领域的问题。
开源地址：https://github.com/shenqiang0601/deep_learning.git
目录一、人工智能基础部分
1.人工智能基础部分1-人工智能的初步认识
2.人工智能基础部分2-一元一次函数感知器
3.人工智能基础部分3-方差损失函数的概念
4.人工智能基础部分4-梯度下降和反向传播
5.人工智能基础部分5-激活函数的概念
6.人工智能基础部分6-神经网络初步认识
7.人工智能基础部分7-高维空间的神经网络认识
8.人工智能基础部分8-深度学习框架keras入门案例
9.人工智能基础部分9-深度学习深入了解
10.人工智能基础部分10-卷积神经网络初步认识
11.人工智能基础部分11-图像识别实战
12.人工智能基础部分12-循环神经网络初步认识
13.人工智能基础部分13-LSTM网络：预测上证指数走势
14.人工智能基础部分14-蒙特卡洛方法在人工智能中的应用及其Python实现
15.人工智能基础部分15-自然语言处理中的数据处理上采样、下采样、负采样是什么？
16.人工智能基础部分16-神经网络与GPU加速训练的原理与应用
17.人工智能基础部分17-隐马尔科夫模型在序列问题的应用
18.人工智能基础部分18-条件随机场CRF模型的应用
...(待更新)
二、机器学习实战项目
1.机器学习实战1-四种算法对比对客户信用卡还款情况进行预测
2.机器学习实战2-聚类算法分析亚洲足球梯队
3.机器学习实战3-利用决策树算法根据天气数据集做出决策
4.机器学习实战4-教育领域:学生成绩的可视化分析与成绩预测-详细分析
5.机器学习实战5-天气预测系列:利用数据集可视化分析数据，并预测某个城市的天气情况
6.机器学习实战6-电子商务网站用户行为分析及服务推荐
7.机器学习实战7-服务员公司客户价值分析与流失分析
8.机器学习实战8-基于基站定位数据的商圈分析
9.机器学习实战9-售车逃税店铺自动识别
10.机器学习实战10-企业关联规则挖掘
...(待更新)
三、深度学习实战项目
1.深度学习实战1-(keras框架)企业数据分析与预测
2.深度学习实战2-(keras框架)企业信用评级与预测
3.深度学习实战3-文本卷积神经网络（TextCNN）新闻文本分类
4.深度学习实战4-卷积神经网络（DenseNet）数学图形识别+题目模式识别
5.深度学习实战5-卷积神经网络（CNN）中文OCR识别项目
6.深度学习实战6-卷积神经网络(Pytorch)+聚类分析实现空气质量与天气预测
7.深度学习实战7-电商产品评论的情感分析
8.深度学习实战8-生活照片转化漫画照片应用
9.深度学习实战9-文本生成图像-本地电脑实现text2img
10.深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)
11.深度学习实战11(进阶版)-BERT模型的微调应用-文本分类案例
12.深度学习实战12(进阶版)-利用Dewarp实现文本扭曲矫正
13.深度学习实战13(进阶版)-文本纠错功能，经常写错别字的小伙伴的福星
14.深度学习实战14(进阶版)-手写文字OCR识别，手写笔记也可以识别了
15.深度学习实战15(进阶版)-让机器进行阅读理解+你可以变成出题者提问
16.深度学习实战16(进阶版)-虚拟截图识别文字-可以做纸质合同和表格识别
17.深度学习实战17(进阶版)-智能辅助编辑平台系统的搭建与开发案例
18.深度学习实战18(进阶版)-NLP的15项任务大融合系统，可实现市面上你能想到的NLP任务
19.深度学习实战19(进阶版)-SpeakGPT的本地实现部署测试，基于ChatGPT在自己的平台实现SpeakGPT功能
20.深度学习实战20(进阶版)-文件智能搜索系统，可以根据文件内容进行关键词搜索，快速找到文件
21.深度学习实战21(进阶版)-AI实体百科搜索，任何名词都可搜索到的百科全书
22.深度学习实战22(进阶版)-AI漫画视频生成模型，做自己的漫画视频
23.深度学习实战23(进阶版)-语义分割实战，实现人物图像抠图的效果（计算机视觉）
24.深度学习实战24-人工智能(Pytorch)搭建transformer模型,真正跑通transformer模型，深刻了解transformer的架构
25.深度学习实战25-人工智能(Pytorch)搭建T5模型,真正跑通T5模型,用T5模型生成数字加减结果
26.深度学习实战26-(Pytorch)搭建TextCNN实现多标签文本分类的任务
27.深度学习实战27-Pytorch框架+BERT实现中文文本的关系抽取
28.深度学习实战28-AIGC项目：利用ChatGPT生成定制化的PPT文件
29.深度学习实战29-AIGC项目：利用GPT-2(CPU环境)进行文本续写与生成歌词任务
30.深度学习实战30-AIGC项目：自动生成思维导图文件，解放双手
31.深度学习实战31-开发基于机器学习的在线图像识别工具
...(待更新)
四、深度学习技巧应用
1.深度学习技巧应用1-利用知识蒸馏技术做模型压缩
2.深度学习技巧应用2-神经网络中的‘残差连接’
3.深度学习技巧应用3-神经网络中的超参数搜索
4.深度学习技巧应用4-模型融合：投票法、加权平均法、集成模型法
5.深度学习技巧应用5-神经网络中的模型剪枝技巧
6.深度学习技巧应用6-神经网络中模型冻结-迁移学习技巧
7.深度学习技巧应用7-K折交叉验证的实践操作
8.深度学习技巧应用8-各种数据类型的加载与处理，并输入神经网络进行训练
9.深度学习技巧应用9-模型训练中学习率的调整和假数据生成技巧与总结
10.深度学习技巧应用10-PyTorch框架中早停法类的构建与运用
11.深度学习技巧应用11-模型训练中稀疏化参数与稀疏损失函数的应用
12.深度学习技巧应用12-神经网络训练中批归一化的应用
13.深度学习技巧应用13-神经网络中数据并行训练的原理
14.深度学习技巧应用14-深度学习跨框架应用，ONNX实现模型互操作性
15.深度学习技巧应用15-自动机器学习Autogluon的应用技巧
16.深度学习技巧应用16-利用python线程技术实现多图像生成项目
17.深度学习技巧应用17-pytorch框架下模型int8,fp32量化技巧
18.深度学习技巧应用18-OFD格式文件与人工智能结合的技巧应用，实现OFD转文本、OFD自动分类与内容提取
19.深度学习技巧应用19-可视化的模型训练功能TensorBoard的使用，也能在pytorch框架下实现
..(待更新)
五、知识图谱实战项目
知识图谱开篇：知识图谱实战开篇-讲述知识图谱是什么，要学哪些知识，一文讲通
1.知识图谱实战应用1-知识图谱的构建与可视化应用
2.知识图谱实战应用2-知识图谱的知识融合与知识消歧
3.知识图谱实战应用3-知识图谱中的电影推荐算法
4.知识图谱实战应用4-知识图谱中寻找相似用户(协同过滤算法)
5.知识图谱实战应用5-基于知识图谱的创建语义搜索功能
6.知识图谱实战应用6-基于知识推理进行知识补全的功能
7.知识图谱实战应用7-最完整的常用Cypher查询语句与实际应用
8.知识图谱实战应用8-从文本关系抽取到知识图谱关系构建流程贯通
9.知识图谱实战应用9-基于neo4j的知识图谱框架设计与类模型构建
10.知识图谱实战应用10-实际应用：电影演员等数据关系操作实战
11.知识图谱实战应用11-基于py2neo构建一个简单的问答功能
12.知识图谱实战应用12-食谱领域智能问答系统，实现菜谱问答
13.知识图谱实战应用13-医疗疾病领域智能问答系统，实现症状问答，支持数据扩展
14.知识图谱实战应用14-企业相关文件管理领域的应用，优化文件管理效率
15.知识图谱实战应用15-知识图谱在生物基因学上的应用，实现基因与疾病关联查询
...(待更新)
以上已整理所有的代码与数据集，模型，可直接运行，需要的小伙伴私信我！