Identificación de las piezas de ajedrez

Identificación de piezas de ajedrez

El ajedrez es un juego estratégico célebre, con una historia de siglos, reconocido por su complejidad y por las altas exigencias de pensamiento lógico y planificación. La conexión entre el ajedrez y la inteligencia artificial es estrecha: muchos algoritmos y técnicas de aprendizaje automático han sido desarrollados precisamente para crear agentes capaces de jugar ajedrez a nivel alto.

Un momento histórico en este contexto fue en 1997, cuando la computadora Deep Blue, desarrollada por IBM, venció al campeón mundial Garry Kasparov, demostrando el potencial de las computadoras en juegos estratégicos complejos.

🗂 Los datos recibidos

Tienes a disposición un conjunto de datos compuesto por los siguientes archivos:

📁 train.csv

Contiene:

• id – identificador único (P00001, P00002 …)
• image_path – la ruta hacia la imagen
• label – el tipo de pieza (bishop, knight, pawn, queen, rook)

📁 test.csv

Contiene:

• id – identificador único
• image_path – la ruta hacia la imagen

Todas las imágenes están almacenadas en el directorio images/.

🎯 Tarea de trabajo

Construye un modelo de clasificación de imágenes que pueda diferenciar las piezas de ajedrez (bishop, knight, pawn, queen, rook). Puedes usar cualquier arquitectura moderna de deep learning: ResNet, EfficientNet, Vision Transformer, ConvNeXt etc., eventualmente con fine-tuning en modelos preentrenados.

Al final, generarás un archivo submission.csv con la forma:

1id,label2P00081,queen3P00082,knight

📊 Evaluación

La métrica utilizada para la evaluación del modelo es la exactitud:

1accuracy = (número_predicciones_correctas / número_total_predicciones)

🏅 Sistema de puntuación:

• accuracy ≥ 90% → 100 puntos
• accuracy < 20% → 0 puntos
• de lo contrario → puntuación proporcional entre 0 y 100