第四届全国高校计算机能力挑战赛分设Office高级应用赛、程序设计赛、大数据与人工智能挑战赛和数字媒体创新设计赛四大赛项。

给定用户对商品的评分信息，建立分类模型，预测电商中用户对于商品的评分，从而为用户推荐电影。

百度网盘AI大赛——图像处理挑战赛是百度网盘开放平台面向开发者发起的图像处理挑战赛事，旨在基于个人云存储的生态能力开放，通过比赛机制，鼓励选手结合当下的前沿图像处理与计算机视觉技术，设计合适模型，并提升模型的效果，助力互联网用户更便捷地进行数字生活、学习和工作，为中国开源生态建设贡献力量。 本次图像处理挑战赛以线上比赛的形式进行，参赛选手在规定时间内提交基于评测数据集产出的结果文件，榜单排名靠前并通过代码复查的队伍可获得高额奖金。百度网盘开放平台致力于为全球AI开发者和爱好者提供专业、高效的AI学习和开发环境，挖掘培养AI人才，助力技术产业生态发展。

生活中，扫描技术越来越常见，通过手机就能将图片转化为可编辑的文档等；但是现在的技术在处理带有表格类型的文字的时候往往没有那么灵敏，把完整表格拆分成难以使用的零散个体似乎很常见又令人苦恼。本次比赛旨在解决这个问题，通过万能的算法，准确地识别表格在图片中的位置并标注。

神经网络（NN）模型已经成功地应用于很多NLP任务并取得了不错的成绩。但由于NN模型的黑盒性质，降低使用者对其结果的信任度，阻碍了NN模型更大规模地落地应用，尤其是对模型可靠性和安全性要求较高的领域，如医疗、法律等。因此，NN模型的可解释性、鲁棒性等问题受到广泛关注。为进一步推动模型可解释性研究的发展，评测数据和对应的评估指标是必需的。
Neural Network (NN) models have greatly improved various NLP tasks in terms of accuracy. However, as NN models are black-box systems, their inner decision processes are opaque to users. This lack of transparency makes them untrustworthy and hard to be applied in the decision-making applications, such as health and law, where users often hope to understand the inner decision process for the output. Consequently, the interpretability of NN models has attracted extensive attention. In order to further facilitate the research of interpretability, evaluation datasets with human-annotated rationales and the corresponding evaluation metrics are required.

本次比赛提供阅读理解任务的可解释评测数据集和相应的评估指标，评估模型的可解释性以及解释方法的精准性。本次比赛旨在为研究者提供学术交流平台，推动模型可解释的发展，以协助构建更加可信赖的深度学习模型和系统。
The challenge provides an evaluation dataset for Chinese machine reading comprehension task with human-annotated rationales and the corresponding evaluation metrics, so as to evaluate the interpretability of models and the accuracy of rationale extraction methods. The challenge provides a platform for research and academic exchanges on model interpretability, and facilitates the research progress in building trustworthy systems.

全国大学生智能汽车竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国大学生的一种具有探索性工程的实践活动，是教育部倡导的大学生A类科技竞赛之一。竞赛以立足培养，重在参与，鼓励探索，追求卓越为指导思想，培养大学生的创意性科技竞赛能力。

本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第三场 —— 零基础入门NLP之新闻文本分类挑战赛。

赛题以自然语言处理为背景，要求选手根据新闻文本字符对新闻的类别进行分类，这是一个经典文本分类问题。通过这道赛题可以引导大家走入自然语言处理的世界，带大家接触NLP的预处理、模型构建和模型训练等知识点。

为更好的引导大家入门，我们同时为本赛题定制了系列学习方案，其中包括数据科学库、通用流程和baseline方案学习三部分。通过对本方案的完整学习，可以帮助掌握数据竞赛基本技能。同时我们也将提供专属的视频直播学习通道。

本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第四场 —— 零基础入门金融风控-贷款违约预测。

赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高。

为了更好的引导大家入门，赛题方同时为本赛题定制了学习方案，其中包括数据科学库、通用流程和baseline方案学习三部分。通过对本方案的完整学习，可以帮助掌握数据竞赛基本技能。同时平台也将提供专属的视频直播学习通道，敬请关注平台通告。

地震，尤其是大地震，一旦在人们毫无察觉的情况下发生在人口密集区，将对人们的生命财产造成难以估量的损失。围绕地震预测预报问题的求解而开展的前兆观测、前兆相关性分析、前兆机理研究、地震三要素预测模型等研究工作是非常具有挑战性，同时也是非常有科学价值和社会意义的。
“AETA 地震预测 AI 算法大赛”，旨在通过创新算法挖掘前兆观测数据与地震三要素的相关性，发现与临震相关的异常信号和特征，并基于历史观测数据和地震目录，构建地震预测模型，期望推动地震预测预报科学问题的求解。同时也希望通过大赛，引起更多社会各界人士的关注和参与，将更多的新技术新方法应用于地震预测预报中。
本次大赛提供的数据包括AETA地震监测预测系统在川滇实验场的观测网进行五年多的电磁和地声观测数据共计 95 个特征，以及中国地震台网中心地震目录。本次大赛重点评价特征提取和样本构建方法的创新性和先进性，以及地震预测模型的适用性和准确性，鼓励通过创新算法解决地震预报的科学问题。

通过三个对事实一致性要求较高的文本生成任务做针对性评价，促使研究者与开发者更多关注自然语言生成的事实一致性难题，并为大家提供学术交流平台，从而进一步提升自然语言生成的研究水平，推动相关技术的应用发展。

为贯彻落实国家平安强国战略，强化立体防控能力，通过对视频、图像中人员持刀、持棍识别，有效提升社会对预警、防范突发安全事件的能力，提升广大人民群众的安全感、幸福感；同时，为促进产学研融合发展，引领AI研究人员对社会安全领域的科技创新，推动开放场景中持械识别技术的持续提升和深入发展，由山东省大数据局（英文简称：Shandong-BDB）与中国电信（英文简称：CTC）共同主办了“Shandong-BDB AI Challenge 2022 持刀持棍识别竞赛”。本竞赛内容为非约束场景中人员持械（刀、棍棒）识别，采用的是真实开放场景、严格标注筛选的多样化测试集，分为线上比赛和线下答辩两个阶段。

 

本次竞赛的主旨是：打造公正、开放、深入的人工智能，以真实场景、专业测评推动持械识别技术的创新及应用。通过竞赛打造交流、学习、沟通的平台，为深化研究开拓新思路，为企业和科技人才赋能，以竞赛带动创新应用，以竞赛促进产业升级。

 

本次竞赛的意义不仅在于为广大AI研究企业和科研人员提供一个公平展示的平台，同时充分发挥主办单位的影响力，将持械识别这一关乎人民群众生产、生活安全的研究、应用领域向AI研究社区做更多的展示和推广，吸引更多的研究人员从事这一重要领域的研究。

第六届“高斯杯”全国大学生数学建模竞赛是由“高斯杯”全国大学生数学建模组委会主办的全国性数学建模活动。本次大赛希望参赛者可以使用数学建模方法来解决社会、经济、生活中的实际问题，鼓励广大参赛者使用新方法新方案来更好的解决问题。本次大赛的宗旨是培养大学生的创新意识与团队精神，在参赛过程中保持重在参与和公平竞争的理念。

随着科技的发展，监控视频已被广泛应用于日常生活中。但是在实际的使用中，标注的训练数据往往需要花费大量的人力物力才可以获得，严重阻碍了视觉算法的应用和落地。在工作服属性检测中，不同的场地工作服样式基本相同，但是颜色却千差万别。所以要通过对已有数据的训练，对未知颜色和样式的工作服进行检测。
工作服属性检测会提供白色厨师服训练数据和少量的工厂工作服训练数据。训练数据包括是否穿着工作服已经工作服的区域坐标。要求识别出是否穿着工作服。比赛分为初赛和复赛，初赛和复赛分别为不同的任务。

随着公共安全需求的发展，在森林防火和城市消防需求下。对于火灾的防范以和及时发现的需求越来越强烈。现有的烟火识别算法在实际应用中效果较差，主要原因在于需要在复杂场景下准确分辨出烟雾与云雾的区别，火焰与城市霓虹灯等干扰的区别。

神经网络（NN）模型已经成功地应用于很多NLP任务并取得了不错的成绩。但由于NN模型的黑盒性质，降低使用者对其结果的信任度，阻碍了NN模型更大规模地落地应用，尤其是对模型可靠性和安全性要求较高的领域，如医疗、法律等。因此，NN模型的可解释性、鲁棒性等问题受到广泛关注。为进一步推动模型可解释性研究的发展，评测数据和对应的评估指标是必需的。
Neural Network (NN) models have greatly improved various NLP tasks in terms of accuracy. However, as NN models are black-box systems, their inner decision processes are opaque to users. This lack of transparency makes them untrustworthy and hard to be applied in the decision-making applications, such as health and law, where users often hope to understand the inner decision process for the output. Consequently, the interpretability of NN models has attracted extensive attention. In order to further facilitate the research of interpretability, evaluation datasets with human-annotated rationales and the corresponding evaluation metrics are required.

本次比赛提供阅读理解任务的可解释评测数据集和相应的评估指标，评估模型的可解释性以及解释方法的精准性。本次比赛旨在为研究者提供学术交流平台，推动模型可解释的发展，以协助构建更加可信赖的深度学习模型和系统。
The challenge provides an evaluation dataset for Chinese machine reading comprehension task with human-annotated rationales and the corresponding evaluation metrics, so as to evaluate the interpretability of models and the accuracy of rationale extraction methods. The challenge provides a platform for research and academic exchanges on model interpretability, and facilitates the research progress in building trustworthy systems.

清华AIR携手百度基于已开源的车路协同自动驾驶数据集DAIR-V2X共同举办全球首届车路协同3D目标检测挑战赛，在通信带宽约束下，车端融合路端信息，实现3D目标检测的视觉感知任务。与传统自动驾驶3D检测任务相比，本任务需要解决车端与路端多视角信息融合、数据多模态融合、时空异步、通信受限等挑战，通过设计车路融合感知算法，实现盲区补充、提升感知精度。

  为聚力建设“智车之城”、“超充之都”和新能源智能汽车解决方案的策源地，基于广州市新能源智能汽车大数据监测平台，在广州市新能源汽车发展工作领导小组的指导下，举办湾区首个新能源智能汽车大数据竞赛-2022粤港澳大湾区新能源智能汽车大数据创新竞赛，依托海量汽车实时运行数据，以数据算法创新和数据分析应用为重点，通过挖掘数据价值，探索创新应用，发现和培养优秀人才，打造“数据+算力+算法+场景+人才”的标杆。

作为全球顶级的开源大数据处理引擎，Apache Flink一方面在实时计算领域保持着技术领先优势，另一方面随着流批一体、流式数仓等理念的提出也在向更多应用场景辐射。

本次实时计算 Flink挑战赛以 Hackathon 形式，为创新、创意大赛，采用开放式命题形式，旨在探索 Flink在应用实践中的更多可能性。参赛选手可以充分发挥想象力、创造力，以 Flink为工具解决一个实际问题。小到日常学习、工作、生活中的点滴琐事，大到城市管理、金融交易、疫情防控等国计民生，都可以成为你的选题。大赛尤其鼓励能够结合所选题目的特点，对 Flink本身做出创新和改进的参赛作品。

选手需要使用（但不仅限于使用）Flink及其生态里的各种工具，包括各类 Connector、Table Store、机器学习、复杂事件处理、Stateful Functions 等来完成自己的参赛作品。

江苏省工业和信息化厅、无锡市政府通过连续两年举办江苏大数据开发与应用大赛，已累计吸引到全球超过3800名选手参与其中，同时在医疗、能源、车联网、城市治理等前沿热门领域，均提供了大量经过数据全生命周期加工后的珍贵产业案例数据集，充分展现了无锡市数据开放、数据共享工作的成效。

为进一步汇聚核心产业高价值种子数据集，促进公共数据共享开放，吸引数字化产业人才落户以及助推数字经济高质量发展，拟举办2022第三届江苏大数据开发与应用大赛，沿用“SEED”大赛标志（以下简称“大赛”）。