Simulare OJIA 1
RO: Prima simulare a Olimpiadei Județene de Inteligență Artificială / EN: The first official simulation for the Romanian Regional Olympiad in Artificial Intelligence
Livrare pachete
Problema Prezicerii Livrării Pachetelor la Timp
În logistica modernă, livrarea la timp a pachetelor este esențială pentru satisfacția clienților și eficiența operațională.
Dezvoltați un model care să prezică dacă un pachet va fi livrat la timp (on_time = 1) sau întârziat (on_time = 0).
Veți antrena modelul folosind setul de date de antrenament furnizat și apoi veți genera predicții pentru un set de date ne-etichetat.
Descrierea Setului de Date
Setul de Date de Antrenament (train_data.csv) conține următoarele coloane:
- id (număr natural): Numărul care identifică livrarea - număr natural unic.
- distance_km (0.5-700): Distanța de la depozit până la destinația de livrare (în kilometri). Distanțele mai scurte indică, în general, o probabilitate mai mare ca livrarea să fie la timp.
- package_weight_kg (0.5-150): Greutatea pachetului (în kilograme). Pachetele mai ușoare sunt, de obicei, livrate mai rapid.
- traffic_level (1-14): Un nivel al condițiilor de trafic (tip intreg, 1 - trafic redus, 14 - trafic aglomerat maxim).
- on_time: O variabilă binară în care
1indică faptul că pachetul a fost livrat la timp, iar0indică întârzierea.
Setul de Date pentru Predicție (test_data.csv):
- Conține 50 de eșantioane cu aceleași caracteristici (
id,distance_km,package_weight_kgșitraffic_level) ca setul de antrenament, dar fără coloanaon_time. - Modelul vostru va genera predicții pentru aceste eșantioane.
Subtask-uri
- Subtask 1 (20p):
mean_traffic_level- reprezentând media nivelurilor de trafic din setul de date pentru predicție, precizie de 2 decimale - Subtask 2 (20p):
std_traffic_level- reprezentând deviația standard a aceluiași câmp (nivelul de trafic), cu precizie de 2 decimale - Subtask 3 (60p):
on_time- cu predicțiile modelului vostru,1pentru livrare la timp, respectiv0pentru întârziere.
Rezultatul așteptat:
Un fisier csv output.csv care să includă următoarele 3 coloane:
subtaskID- reprezintă numărul subtaskului (1, 2 sau 3)datapointID- care se referă la coloanaiddintest_data.csvanswer- răspunsul corespunzător datapointului pentru subtaskul respectiv
Notă: Pentru subtask-urile 1 și 2, la care se cere un singur răspuns pentru tot setul de date, afișați o singură linie a cărei datapointID să fie 1.
Trimiteți un singur csv care să conțină răspunsurile pentru toate subtask-urile pe care le-ați rezolvat. Pentru a vedea un exemplu, descărcați fișierul sample_output.csv
Scor
Scorurile pentru subtask-uri se vor calcula după cum urmează:
- Subtask-urile 1 și 2: 20 de puncte dacă diferența de precizie între rezultatul vostru și cel al comisiei este de sub 0.02 și 0 altfel
- Subtask 3: round(min(max(60.0 * (acc - 0.8) / 0.178, 0), 60), 2), unde acc este acuratețea pe care ați obținut-o.
Această problemă nu are scor final diferit de scorul parțial. Scorul din timpul concursului e cel cu care veți rămâne la final.
Submission
My submissions
Only submissions marked as final are counted for the complete leaderboard. Not choosing any final submissions will result in 0 points on this task.
Complete submission scores will be displayed after the competition ends
Livrare pachete
Problema Prezicerii Livrării Pachetelor la Timp
În logistica modernă, livrarea la timp a pachetelor este esențială pentru satisfacția clienților și eficiența operațională.
Dezvoltați un model care să prezică dacă un pachet va fi livrat la timp (on_time = 1) sau întârziat (on_time = 0).
Veți antrena modelul folosind setul de date de antrenament furnizat și apoi veți genera predicții pentru un set de date ne-etichetat.
Descrierea Setului de Date
Setul de Date de Antrenament (train_data.csv) conține următoarele coloane:
- id (număr natural): Numărul care identifică livrarea - număr natural unic.
- distance_km (0.5-700): Distanța de la depozit până la destinația de livrare (în kilometri). Distanțele mai scurte indică, în general, o probabilitate mai mare ca livrarea să fie la timp.
- package_weight_kg (0.5-150): Greutatea pachetului (în kilograme). Pachetele mai ușoare sunt, de obicei, livrate mai rapid.
- traffic_level (1-14): Un nivel al condițiilor de trafic (tip intreg, 1 - trafic redus, 14 - trafic aglomerat maxim).
- on_time: O variabilă binară în care
1indică faptul că pachetul a fost livrat la timp, iar0indică întârzierea.
Setul de Date pentru Predicție (test_data.csv):
- Conține 50 de eșantioane cu aceleași caracteristici (
id,distance_km,package_weight_kgșitraffic_level) ca setul de antrenament, dar fără coloanaon_time. - Modelul vostru va genera predicții pentru aceste eșantioane.
Subtask-uri
- Subtask 1 (20p):
mean_traffic_level- reprezentând media nivelurilor de trafic din setul de date pentru predicție, precizie de 2 decimale - Subtask 2 (20p):
std_traffic_level- reprezentând deviația standard a aceluiași câmp (nivelul de trafic), cu precizie de 2 decimale - Subtask 3 (60p):
on_time- cu predicțiile modelului vostru,1pentru livrare la timp, respectiv0pentru întârziere.
Rezultatul așteptat:
Un fisier csv output.csv care să includă următoarele 3 coloane:
subtaskID- reprezintă numărul subtaskului (1, 2 sau 3)datapointID- care se referă la coloanaiddintest_data.csvanswer- răspunsul corespunzător datapointului pentru subtaskul respectiv
Notă: Pentru subtask-urile 1 și 2, la care se cere un singur răspuns pentru tot setul de date, afișați o singură linie a cărei datapointID să fie 1.
Trimiteți un singur csv care să conțină răspunsurile pentru toate subtask-urile pe care le-ați rezolvat. Pentru a vedea un exemplu, descărcați fișierul sample_output.csv
Scor
Scorurile pentru subtask-uri se vor calcula după cum urmează:
- Subtask-urile 1 și 2: 20 de puncte dacă diferența de precizie între rezultatul vostru și cel al comisiei este de sub 0.02 și 0 altfel
- Subtask 3: round(min(max(60.0 * (acc - 0.8) / 0.178, 0), 60), 2), unde acc este acuratețea pe care ați obținut-o.
Această problemă nu are scor final diferit de scorul parțial. Scorul din timpul concursului e cel cu care veți rămâne la final.
Submission
My submissions
Only submissions marked as final are counted for the complete leaderboard. Not choosing any final submissions will result in 0 points on this task.
Complete submission scores will be displayed after the competition ends
Livrare pachete
Problema Prezicerii Livrării Pachetelor la Timp
În logistica modernă, livrarea la timp a pachetelor este esențială pentru satisfacția clienților și eficiența operațională.
Dezvoltați un model care să prezică dacă un pachet va fi livrat la timp (on_time = 1) sau întârziat (on_time = 0).
Veți antrena modelul folosind setul de date de antrenament furnizat și apoi veți genera predicții pentru un set de date ne-etichetat.
Descrierea Setului de Date
Setul de Date de Antrenament (train_data.csv) conține următoarele coloane:
- id (număr natural): Numărul care identifică livrarea - număr natural unic.
- distance_km (0.5-700): Distanța de la depozit până la destinația de livrare (în kilometri). Distanțele mai scurte indică, în general, o probabilitate mai mare ca livrarea să fie la timp.
- package_weight_kg (0.5-150): Greutatea pachetului (în kilograme). Pachetele mai ușoare sunt, de obicei, livrate mai rapid.
- traffic_level (1-14): Un nivel al condițiilor de trafic (tip intreg, 1 - trafic redus, 14 - trafic aglomerat maxim).
- on_time: O variabilă binară în care
1indică faptul că pachetul a fost livrat la timp, iar0indică întârzierea.
Setul de Date pentru Predicție (test_data.csv):
- Conține 50 de eșantioane cu aceleași caracteristici (
id,distance_km,package_weight_kgșitraffic_level) ca setul de antrenament, dar fără coloanaon_time. - Modelul vostru va genera predicții pentru aceste eșantioane.
Subtask-uri
- Subtask 1 (20p):
mean_traffic_level- reprezentând media nivelurilor de trafic din setul de date pentru predicție, precizie de 2 decimale - Subtask 2 (20p):
std_traffic_level- reprezentând deviația standard a aceluiași câmp (nivelul de trafic), cu precizie de 2 decimale - Subtask 3 (60p):
on_time- cu predicțiile modelului vostru,1pentru livrare la timp, respectiv0pentru întârziere.
Rezultatul așteptat:
Un fisier csv output.csv care să includă următoarele 3 coloane:
subtaskID- reprezintă numărul subtaskului (1, 2 sau 3)datapointID- care se referă la coloanaiddintest_data.csvanswer- răspunsul corespunzător datapointului pentru subtaskul respectiv
Notă: Pentru subtask-urile 1 și 2, la care se cere un singur răspuns pentru tot setul de date, afișați o singură linie a cărei datapointID să fie 1.
Trimiteți un singur csv care să conțină răspunsurile pentru toate subtask-urile pe care le-ați rezolvat. Pentru a vedea un exemplu, descărcați fișierul sample_output.csv
Scor
Scorurile pentru subtask-uri se vor calcula după cum urmează:
- Subtask-urile 1 și 2: 20 de puncte dacă diferența de precizie între rezultatul vostru și cel al comisiei este de sub 0.02 și 0 altfel
- Subtask 3: round(min(max(60.0 * (acc - 0.8) / 0.178, 0), 60), 2), unde acc este acuratețea pe care ați obținut-o.
Această problemă nu are scor final diferit de scorul parțial. Scorul din timpul concursului e cel cu care veți rămâne la final.
Submission
My submissions
Only submissions marked as final are counted for the complete leaderboard. Not choosing any final submissions will result in 0 points on this task.
Complete submission scores will be displayed after the competition ends
Livrare pachete
Problema Prezicerii Livrării Pachetelor la Timp
În logistica modernă, livrarea la timp a pachetelor este esențială pentru satisfacția clienților și eficiența operațională.
Dezvoltați un model care să prezică dacă un pachet va fi livrat la timp (on_time = 1) sau întârziat (on_time = 0).
Veți antrena modelul folosind setul de date de antrenament furnizat și apoi veți genera predicții pentru un set de date ne-etichetat.
Descrierea Setului de Date
Setul de Date de Antrenament (train_data.csv) conține următoarele coloane:
- id (număr natural): Numărul care identifică livrarea - număr natural unic.
- distance_km (0.5-700): Distanța de la depozit până la destinația de livrare (în kilometri). Distanțele mai scurte indică, în general, o probabilitate mai mare ca livrarea să fie la timp.
- package_weight_kg (0.5-150): Greutatea pachetului (în kilograme). Pachetele mai ușoare sunt, de obicei, livrate mai rapid.
- traffic_level (1-14): Un nivel al condițiilor de trafic (tip intreg, 1 - trafic redus, 14 - trafic aglomerat maxim).
- on_time: O variabilă binară în care
1indică faptul că pachetul a fost livrat la timp, iar0indică întârzierea.
Setul de Date pentru Predicție (test_data.csv):
- Conține 50 de eșantioane cu aceleași caracteristici (
id,distance_km,package_weight_kgșitraffic_level) ca setul de antrenament, dar fără coloanaon_time. - Modelul vostru va genera predicții pentru aceste eșantioane.
Subtask-uri
- Subtask 1 (20p):
mean_traffic_level- reprezentând media nivelurilor de trafic din setul de date pentru predicție, precizie de 2 decimale - Subtask 2 (20p):
std_traffic_level- reprezentând deviația standard a aceluiași câmp (nivelul de trafic), cu precizie de 2 decimale - Subtask 3 (60p):
on_time- cu predicțiile modelului vostru,1pentru livrare la timp, respectiv0pentru întârziere.
Rezultatul așteptat:
Un fisier csv output.csv care să includă următoarele 3 coloane:
subtaskID- reprezintă numărul subtaskului (1, 2 sau 3)datapointID- care se referă la coloanaiddintest_data.csvanswer- răspunsul corespunzător datapointului pentru subtaskul respectiv
Notă: Pentru subtask-urile 1 și 2, la care se cere un singur răspuns pentru tot setul de date, afișați o singură linie a cărei datapointID să fie 1.
Trimiteți un singur csv care să conțină răspunsurile pentru toate subtask-urile pe care le-ați rezolvat. Pentru a vedea un exemplu, descărcați fișierul sample_output.csv
Scor
Scorurile pentru subtask-uri se vor calcula după cum urmează:
- Subtask-urile 1 și 2: 20 de puncte dacă diferența de precizie între rezultatul vostru și cel al comisiei este de sub 0.02 și 0 altfel
- Subtask 3: round(min(max(60.0 * (acc - 0.8) / 0.178, 0), 60), 2), unde acc este acuratețea pe care ați obținut-o.
Această problemă nu are scor final diferit de scorul parțial. Scorul din timpul concursului e cel cu care veți rămâne la final.
Submission
My submissions
Only submissions marked as final are counted for the complete leaderboard. Not choosing any final submissions will result in 0 points on this task.
Complete submission scores will be displayed after the competition ends