2024百度之星程序设计大赛启动

gibeonwu 2024-05-15 19:04:56

一、大赛简介

百度之星程序设计大赛,是一项旨在展示学生创新能力和编写程序、分析、解决问题能力的年度竞赛,从2005年至今已成功举办了19届,累计参赛选手三十余万名,覆盖数千所院校,成为中国最具知名度、最有影响力的程序设计大赛之一,大量优秀人才从中脱颖而出,被誉为国内程序员的“黄埔军校”和“造星工厂”,已入选“全国普通高校大学生竞赛排行榜”竞赛项目榜单。大赛是百度500万大模型人才培养计划的组成部分,长期致力于搭建一个以赛促教、以赛促学的程序设计和人工智能人才培养平台,推动中国互联网和AI领域人才成长。

  1. 初赛(省赛)奖项

1、3场初赛,每场分别按照全国各省级行政区(国外院校的选手全部纳入“海外赛区”统计)实际参赛人数的约5%、10%、15%比例(总计约30%)依次设置省赛金银铜奖(不分组别)。AC数为零的不予得奖。

2、社会人士可参与初赛排名及省级奖项角逐,但不进入总决赛名单。获得省赛铜奖及以上的社会人士,发邮件至 astar@baidu.com 有机会申请到决赛“打星”名额,组委会酌情遴选不超过50人。

3、三场初赛结束后,对成绩严格审核后统一发放电子版获奖证书。初赛获奖选手指导教师自动获得省赛优秀教练荣誉证书。

  1. 总决赛奖项

1、分别按照大学组、高中组、小星星组三个组别的参赛人数的大约10%、20%、30%比例(总计约60%)依次评出总决赛金银铜奖。同一选手在三个组别奖项中不可兼得。总决赛结束后,对成绩严格审核、去重后发放获奖证书。

2、成绩(不分组)排名第一的选手,获总冠军荣誉。

3、给予“打星”成绩优异的选手相关荣誉激励。

4、决赛获奖选手指导教师自动获得优秀教练荣誉证书。

5、价值数十万元的奖金/奖品。

  1. 组织奖项

1、根据各院校/指导老师/教练组织参赛情况,颁发相应的组织奖项。

2、上述教师有机会优先获得百度支持的教育部产学合作协同育人项目(编程竞赛实践基地类)。

二、日程安排 

  • 初赛(省赛)

共三场,可参加任意场次:

1. 第一场(线上):6月 2日(周日)14:00-17:00

2. 第二场(线上):6月16日(周日)14:00-17:00

3. 第三场(线上):6月30日(周日)14:00-17:00

  • 总决赛、颁奖

时间、地点:待定。

日程如有调整,将会另行通知。

三、报名指南(老师)

  1. 校内宣传/报名统计

需要在校内宣传、规划统计学生参赛数量/场次(报名截止日期:三场初赛/省赛任选6.2、6.16、6.30当日12点),确定指导老师信息(姓名、手机、电邮,报名必填项)。

  1. 确认公费/自费

申请本校统一缴费购买参赛邀请码发给学生,或通知学生自费参赛。

  1. 通知学生填写报名表

学生自费缴费 或 输入老师购买后分发的邀请码,完成报名流程(务必提前告知学生指导老师姓名、手机号、电邮--必填项,以免学生填错,每人只有一次修改报名信息机会)。

  1. 大赛官网:https://astar.baidu.com/#/program-design-match?tab=1(下载盖章版通知)
  2. 通知推文:https://mp.weixin.qq.com/s/L0wy8IFa4UH5O5jI0NJKgw
  3. 宣传海报:https://pan.baidu.com/s/1kIBqzb7eHn24CHbjtcp6xg?pwd=ojva 
  4. 报名页面:https://www.matiji.net/exam/contest/astar?id=5
...全文
741 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文提出一种名为“特征层SMOTE”的新方法,用于解决工业故障诊断中常见的类不平衡与类间重叠问题,特别是在燃气轮机故障诊断中的应用。该方法采用“先分离、后增强”的技术框架:首先利用深度孪生多头自注意力网络(DSMHSA)学习一个可分离的特征空间,通过对比损失使同类样本紧凑、异类样本分离;随后在此高质量特征空间中对少数类故障样本进行SMOTE数据增强;最后使用Softmax分类器完成故障分类。实验表明,该方法在真实燃气轮机数据集和机器人故障数据集上均显著优于多种经典过采样与不平衡学习方法,提升了故障召回率与整体平衡准确率。; 适合人群:从事故障诊断、工业大数据分析、不平衡学习研究的科研人员与工程师,具备一定深度学习与机器学习基础的研究者; 使用场景及目标:①解决工业场景中故障样本稀缺且与正常样本高度重叠的问题;②提升深度学习模型在极度不平衡数据下的诊断性能,实现高灵敏度的早期故障检测; 阅读建议:本文强调问题分解与可解释性设计,建议读者重点关注其“先分离、后增强”的思想、对比损失的作用机制以及特征空间可视化的验证方式,结合t-SNE结果与消融实验深入理解各模块贡献,并可将其范式迁移至其他时序信号分析与少样本故障诊断任务中。

2,106

社区成员

发帖
与我相关
我的任务
社区描述
东北大学计算机类专业社区
辽宁省·沈阳市
社区管理员
  • gibeonwu
  • Mr.Z2001
  • Yu_Des2023
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

自强不息,知行合一

试试用AI创作助手写篇文章吧