Identificarea pieselor de șah

Identificarea pieselor de șah

Șahul este un joc strategic celebru, cu o istorie de secole, recunoscut pentru complexitatea sa și pentru cerințele ridicate de gândire logică și planificare. Legătura dintre șah și inteligența artificială este strânsă: mulți algoritmi și tehnici de învățare automată au fost dezvoltate tocmai pentru a crea agenți capabili să joace șah la nivel înalt.

Un moment istoric în acest context a fost în 1997, când computerul Deep Blue, dezvoltat de IBM, a învins campionul mondial Garry Kasparov, demonstrând potențialul calculatoarelor în jocuri strategice complexe.

🗂 Datele primite

Ai la dispoziție un set de date compus din următoarele fișiere:

📁 train.csv

Conține:

• id – identificator unic (P00001, P00002 …)
• image_path – calea către imagine
• label – tipul piesei (bishop, knight, pawn, queen, rook)

📁 test.csv

Conține:

• id – identificator unic
• image_path – calea către imagine

Toate imaginile sunt stocate în directorul images/.

🎯 Sarcina de lucru

Construiește un model de clasificare a imaginilor care poate diferenția piesele de șah (bishop, knight, pawn, queen, rook). Poți folosi orice arhitectură modernă de deep learning: ResNet, EfficientNet, Vision Transformer, ConvNeXt etc., eventual cu fine-tuning pe modele preantrenate.

La final, vei genera un fișier submission.csv cu forma:

1id,label2P00081,queen3P00082,knight

📊 Evaluare

Metrica folosită pentru evaluarea modelului este acuratețea:

1accuracy = (număr_predicții_corecte / număr_total_predicții)

🏅 Sistem de punctaj:

• accuracy ≥ 90% → 100 puncte
• accuracy < 20% → 0 puncte
• altfel → punctaj proporțional între 0 și 100