Pinturas famosas

Pinturas famosas

Contexto

Quando nos referimos a quadros famosos, devemos considerar também características objetivas como o tamanho da tela, o tipo de pincel com que foi pintado, a complexidade visual ou a densidade das cores, além da qualidade artística dos mesmos. A estimativa automática do valor e a identificação do estilo do pintor podem ajudar colecionadores e museus a analisar grandes coleções de obras.

Para resolver este problema você terá à disposição dois arquivos:

• train.csv – contém todas as variáveis, incluindo target_price, para treinamento dos modelos
• test.csv – contém as mesmas variáveis, sem a coluna target_price, e os dados deste arquivo são usados para gerar as predições

Descrição do conjunto de dados

Requisitos

Para este problema você deve resolver 3 tarefas.

Task 1 – Pontuação de autenticidade artística (20 pontos)

Recentemente, um algoritmo revolucionário foi descoberto por um grupo de pesquisadores em inteligência artificial e arte. Este pode avaliar, com base nas características objetivas do quadro, se um quadro é certamente autêntico ou não.

Para cada quadro, o algoritmo calcula uma Pontuação de Autenticidade Artística (PAA) usando as seguintes regras:

1. Se stroke_density > 0.7, adiciona 2 pontos à PAA.
2. Se complexity > 0.65, adiciona 2 pontos à PAA.
3. Se uses_gold_leaf = True, adiciona 1 ponto à PAA.
4. Se has_signature = True, adiciona 1 ponto à PAA.
5. Se num_colors > 65 e colorfulness > 0.7, adiciona 2 pontos à PAA.
6. Se contrast < 0.4 ou brightness < 0.45 ou brightness > 0.75, subtrai 1 ponto da PAA.

Após calcular a pontuação, o quadro recebe a etiqueta:

• Autentico: se PAA ≥ 5

• Incerto: se PAA < 5

• Answer no arquivo de submissão será Autentico ou Incerto para cada quadro em test.csv.

Task 2 – Agrupamento de quadros por estilo do pintor (40 pontos)

Sabe-se que os quadros no conjunto de dados foram realizados por 5 pintores famosos, mas a informação sobre o pintor não está disponível.

Sua tarefa é atribuir a cada quadro em test.csv um ID numérico entre 0 e 4, de forma que quadros realizados pelo mesmo pintor recebam o mesmo ID.

• Answer no arquivo de submissão será o ID numérico (0, 1, 2, 3 ou 4) para cada quadro em test.csv.
• Todos os quadros realizados pelo mesmo pintor devem ter o mesmo ID.

Task 3 – Estimativa do preço dos quadros (40 pontos)

Para cada quadro incluído em train.csv temos especificado um preço (coluna target_price). Com base nas informações disponíveis em train.csv, treine um modelo de Inteligência Artificial que seja capaz de prever para os quadros em test.csv o preço.

Formato do arquivo de submissão

O arquivo submission.csv deve conter:

• SampleID - extraído do arquivo test.csv;
• subtaskID - pode ser: Task1, Task2, Task3;
• Answer - valor calculado ou estimado para o quadro indicado por SampleID na tarefa indicada por subtaskID.

Avaliação

Subtask 1 – Pontuação de autenticidade

Para esta subtarefa usa-se comparação exata entre as respostas enviadas (Autentico / Incerto) e as etiquetas corretas.

• Pontuação máxima é concedida apenas se todas as respostas estiverem corretas.
• Se existirem respostas erradas, a pontuação é concedida proporcionalmente, usando regra de três simples.

Subtask 2 – Agrupamento pintores

A avaliação é feita usando Adjusted Rand Index (ARI).

• Pontuação máxima é concedida se:

• Para valores abaixo deste limiar, a pontuação é concedida proporcionalmente.

Subtask 3 – Predição do preço

A avaliação é feita usando Mean Absolute Error (MAE).

Regras:

• MAE ≤ 500 → pontuação máxima
• MAE ≥ 2000 → 0 pontos
• Para valores entre estes dois limiares, a pontuação é concedida proporcionalmente.