تحديد قطع الشطرنج

تحديد قطع الشطرنج

الشطرنج هو لعبة استراتيجية مشهورة، بتاريخ يمتد لقرون، معروفة بتعقيدها ومتطلباتها العالية للتفكير المنطقي والتخطيط. الصلة بين الشطرنج والذكاء الاصطناعي وثيقة: تم تطوير العديد من الخوارزميات وتقنيات التعلم الآلي تحديداً لإنشاء عوامل قادرة على لعب الشطرنج على مستوى عالٍ.

كانت لحظة تاريخية في هذا السياق في عام 1997، عندما هزم الكمبيوتر Deep Blue، المطور من قبل IBM، البطل العالمي غاري كاسباروف، مما أظهر إمكانات الحاسوب في الألعاب الاستراتيجية المعقدة.

🗂 البيانات المستلمة

لديك مجموعة بيانات تتكون من الملفات التالية:

📁 train.csv

يحتوي على:

• id – معرف فريد (P00001, P00002 …)
• image_path – مسار الصورة
• label – نوع القطعة (bishop, knight, pawn, queen, rook)

📁 test.csv

يحتوي على:

• id – معرف فريد
• image_path – مسار الصورة

جميع الصور مخزنة في دليل images/.

🎯 مهمة العمل

ابنِ نموذج تصنيف صور يمكنه التمييز بين قطع الشطرنج (bishop, knight, pawn, queen, rook). يمكنك استخدام أي هندسة حديثة للتعلم العميق: ResNet، EfficientNet، Vision Transformer، ConvNeXt إلخ، ربما مع الضبط الدقيق على النماذج المدربة مسبقاً.

في النهاية، ستولد ملف submission.csv بالشكل:

1id,label2P00081,queen3P00082,knight

📊 التقييم

المقياس المستخدم لتقييم النموذج هو الدقة:

1accuracy = (عدد_التنبؤات_الصحيحة / العدد_الإجمالي_للتنبؤات)

🏅 نظام النقاط:

• accuracy ≥ 90% → 100 نقطة
• accuracy < 20% → 0 نقطة
• خلاف ذلك → نقاط متناسبة بين 0 و 100