programa

Programa pentru Olimpiada de Inteligență Artificială

Clasele IX-XII, liceu

Etapa județeană

La finalul fiecărei tematici din programă, aveți câteva linkuri (în paranteze drepte [link]) cu informații de bază despre conceptele propuse.

1. Utilizarea limbajului Python

• Tipuri de date [1] [2] [3]
• Structuri liniare, repetitive [1] [2] [3] și de decizie [1] [2]
• Tablouri bidimensionale [1] [2] și liste [1] [2] [3]
• Funcții [1] [2]
• Clase [1] [2]
• Citire, prelucrare și afișare: fișiere text [1] [2] [3], fișiere tip csv [1], imagini [1]

1. Elemente de bază în Inteligența Artificială

• Terminologie: învățare supervizată (supervised learning), învățare nesupervizată (unsupervised learning), clasificare (classification), regresie (regression), clustering, reducerea dimensionalității (dimensionality reduction) [1] [2]
• Metrici:
  • acuratețe, recall, precizie, scor F1 [1] [2]
  • matrice de confuzie [1] [2]
  • funcții de loss, MSE, MAE, MAPE, logaritmică, cross-entropy [1] [2]
• Feature engineering [1] [2] [3], antrenare (training) [1] și fine-tuning [1] [2]

1. Învățare Automată (Machine Learning)

• Modele liniare: Linear regression [1] [2], Logistic regression [1] [2]
• Algoritmi probabilistici: Naïve Bayes [1]
• Clustering: K-nearest neighbors (kNN) [1] [2] [3] [4], K-means [1] [2] [3] [4]
• Arbori de decizie (Decision trees) [1] [2], Random forest [1] [2]

1. Procesare de text (Natural Language Processing)

• Procesare de text [1] [2] [3] [4]
• Word Embeddings: Bag of Words (BOW) [1] [2], Term Frequency-Inverse Document Frequency (TF-IDF) [1] [2]

1. Procesare de imagini (Computer Vision)

• Procesare de imagini [1] [2]
• Augmentarea datelor [1] [2]

Etapa națională

1. Învățare Automată (Machine Learning)

• Encoding techniques: One-hot encoding, Dense vectors
• Procesarea datelor: normalizare (normalization), scalare (scaling)
• Reducerea dimensionalității (Dimensionality reduction): Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Generalized Discriminant Analysis (GDA), Uniform Manifold Approximation and Projection (UMAP)
• Algoritmi probabilistici: Naïve Bayes, Gaussian mixture model
• Ensemble methods: boosting, bagging, voting
• Kernels: Support vector machines (SVM), Ridge, Perceptron

1. Procesare de text (Natural Language Processing)

• Contextual word embeddings: Word2Vec, FastText, GloVe

1. Procesare de imagini (Computer Vision)

• Rețele neurale convoluționale (Convolutional Neural Networks - CNN)

Note

• Barajele de selecție a lotului național vor include programele pentru clasele IX-XII.
• Pentru barajele de selecție a echipelor reprezentative ale României vor fi abordate teme suplimentare.

Îndrumare pentru pregătire

• Platforma de evaluare Nitro AI Judge este disponibilă pe parcursul anului pentru a facilita familiarizarea elevilor cu formatul concursului. Recomandăm concurenților să își creeze cont și să rezolve problemele puse la dispoziție până la data olimpiadei.
• Materiale de pregătire pentru toate etapele sunt disponibile în pagina de resurse de pe siteul olimpiadei olimpiada-ai.ro.