برترین روش‌های هوش‌مصنوعی جهت نمونه‌گیری از داده‌های کلان مالی

تحلیل و کاوش داده‌های کلان یکی از چالش‌های بزرگ داده‌های بانکی و مالی است. برای حل این مشکل کاهش اندازه داده‌ها به کمک فنون نمونه‌گیری یکی از راه‌حل‌های غلبه بر محدودیت‌های سخت‌افزاری و نرم‌افزاری و همچنین تحلیل سریع‌تر داده‌ها است. اما ارائه یک فن نمونه‌گیری به نحوی که الگوهای مهم موجود در داده‌ها را برای مسئله مورد نظر حفظ کند، یک چالش است.
مراحل رقابت:
1- انجام پیش‌ثبت نام و ارسال فایل Team Description Paper ( 15 22-5 آذرماه )
2- در صورت تایید تیم، داده‌های مورد نیاز در تاریخ 23 آذرماه در اختیار تیم‌ها قرار می‌گیرد.
3- در این رقابت شرکت‌کنندگان باید موارد زیر را انجام دهند. (23 آذر تا 21 بهمن)

یک الگوریتم نمونه‌گیری از داده‌های بانکی ارائه دهند. (این الگوریتم باید نمونه‌ای از داده‌ها را انتخاب کند به نحوی که مشت نمونه خروار باشد!)

راهنمایی : نمونه‌گیری شما باید از نظر چولگی ،تقارن، تیزی و ... به داده‌های اصلی نزدیک باشد.

بررسی و تحلیل خصوصیات الگوریتم پیشنهادی از منظر آماری یکی از نیازمندی‌ها خواهد بود. شرکت‌کنندگان گزارش نظری از این مرحله را برای داوری تهیه می‌کنند.

پیاده‌سازی الگوریتم نمونه‌گیری و ارسال آن برای تیم داوری (این پیاده‌سازی بایستی مبتنی بر یکی از زبان‌های سی، پایتون یا آر باشد).

شرکت‌کنندگان نتایج کد خود را روی داده‌های سری اول که توسط کمیته مسابقات ارائه می‌شود، استخراج کرده و برای کمیته مسابقات ارسال می‌کنند.

4- شرکت در جلسه توضیح راه‌حل در تاریخ 29-30 بهمن‌ماه
5- اختتامیه چالش (5 اسفند)

برترین روش‌های هوش‌مصنوعی جهت پیش‌بینی تقاضای نفت در بازار انرژی

اگر گفته شود عصری که در آن زندگی می‌کنیم عصر داده‌ها است گزافه گفته نشده‌است. بدون شک در این عصر موفقیت از آن کسی است که بهترین و بیشترین استفاده را از اطلاعات بنماید. از مهم‌ترین روش‌های استفاده از داده‌ها، یافتن مدل مناسب برای رفتار داده‌های متغیر هدف و همچنین پیدا کردن متغیرهای مؤثر بر آن است. در حقیقت در این مدل سازی هدف غایی استفاده از مدل و پیش‌بینی آینده متغیر هدف است. به‌طور کلی مدل‌سازی داده‌ها سه هدف را دنبال می کند:

پیدا کردن متغیرهای مؤثر بر متغیر اصلی و گرداوری داده‌های آن‌ها

یافتن بهترین مدل از بین تمام مدل‌های موجود

پیش‌بینی آینده

مراحل رقابت:
1- انجام پیش ثبت‌نام و ارسال فایل Team Description Paper ( 15 22-5 آذرماه )
2- در صورت تایید تیم، داده‌های مورد نیاز در تاریخ 23 آذرماه در اختیار تیم ها قرار می‌گیرد.
3- هدف از این چالش پیش‌بینی مصرف یکی از مشتقات نفت در چند سال آینده است. شما فعالیت‌های زیر را انجام خواهید داد: (23 آذر تا 8 بهمن)

داده‌های مربوط به متغیرهای مؤثر بر مسئله را گرداوری کنید

مدل مناسب را تحلیل و بررسی داده‌ها را پیدا کنید

نهایتا مصرف نفت را در چند سال آینده پیش‌بینی نمایید

راهنمایی : مصرف نفت به خیلی عوامل بستگی دارد مثلاً دمای هوا، وضعیت اقتصادی و متغیرهایی مثل تولید ناخالص داخلی و هزینه‌های حمل و نقل، و میزان بهره‌گیری از انرژی‌های تجدید پذیر. از وبگاه‌های زیر می‌توان به برخی از داده‌های این متغیرها دسترسی پیدا . کرد

Statistical Review of Energy www.bp.com
Joint organization data Initiative www.jodidata.org

همچنین از وبگاه‌های EIA ، و OPEC نیز می‌توان استفاده کرد.

4- شرکت در جلسه توضیح راه‌حل در تاریخ 29-30 بهمن‌ماه
5- اختتامیه چالش (5 اسفند)