შაჰმატის ფიგურების იდენტიფიკაცია

ჭადრაკის ფიგურების იდენტიფიკაცია

ჭადრაკი არის ცნობილი სტრატეგიული თამაში საუკუნეების ისტორიით, რომელიც აღიარებულია თავისი სირთულითა და ლოგიკური აზროვნებისა და დაგეგმვის მაღალი მოთხოვნებით. ჭადრაკსა და ხელოვნურ ინტელექტს შორის კავშირი მჭიდროა: მრავალი ალგორითმი და მანქანური სწავლების ტექნიკა შეიქმნა სწორედ იმისთვის, რომ შექმნილიყო აგენტები, რომლებიც შეძლებენ ჭადრაკის თამაშს მაღალ დონეზე.

ისტორიული მომენტი ამ კონტექსტში იყო 1997 წელს, როდესაც IBM-ის მიერ შემუშავებულმა კომპიუტერმა Deep Blue-მ დაამარცხა მსოფლიო ჩემპიონი გარი კასპაროვი, რაც აჩვენა კომპიუტერების პოტენციალი რთულ სტრატეგიულ თამაშებში.

🗂 მიღებული მონაცემები

თქვენს ხელთ არის მონაცემთა ნაკრები, რომელიც შედგება შემდეგი ფაილებისგან:

📁 train.csv

შეიცავს:

• id – უნიკალური იდენტიფიკატორი (P00001, P00002 …)
• image_path – გამოსახულების გზა
• label – ფიგურის ტიპი (bishop, knight, pawn, queen, rook)

📁 test.csv

შეიცავს:

• id – უნიკალური იდენტიფიკატორი
• image_path – გამოსახულების გზა

ყველა გამოსახულება შენახულია images/ დირექტორიაში.

🎯 სამუშაო დავალება

ააშენეთ გამოსახულების კლასიფიკაციის მოდელი, რომელსაც შეუძლია ჭადრაკის ფიგურების განსხვავება (bishop, knight, pawn, queen, rook). შეგიძლიათ გამოიყენოთ ნებისმიერი თანამედროვე deep learning არქიტექტურა: ResNet, EfficientNet, Vision Transformer, ConvNeXt და ა.შ., შესაძლოა წინასწარ ვარჯიშებულ მოდელებზე fine-tuning-ით.

ბოლოს, შექმნით submission.csv ფაილს შემდეგი ფორმით:

1id,label2P00081,queen3P00082,knight

📊 შეფასება

მოდელის შეფასებისთვის გამოყენებული მეტრიკა არის სიზუსტე:

1accuracy = (სწორი_პროგნოზების_რაოდენობა / მთლიანი_პროგნოზების_რაოდენობა)

🏅 ქულების სისტემა:

• accuracy ≥ 90% → 100 ქულა
• accuracy < 20% → 0 ქულა
• სხვა შემთხვევაში → პროპორციული ქულა 0-დან 100-მდე