在企业争夺人工智能(AI)人才的竞赛中，科技巨头如谷歌、亚马逊和三星之间的竞争尤其激烈。韩国浦项制铁也不例外，不过，浦项制铁更关注在内部培养未来的人工智能专家。近日，浦项制铁举办了工业人工智能解决方案挑战赛，内容包括预测钢铁原材料的成本波动、精准预测海上巨浪发生的时间、计算浦项制铁需要为员工准备多少午餐等。
其中，预测钢铁原材料的成本波动挑战赛的优胜者是来自浦项科技大学（TECH）的学生。他们利用基于人类认知过程的DA-RNN（基于双重注意力的递归神经网络）模型完成了此次挑战。
对于浦项制铁来说，海运至关重要， 而海运受海浪影响大。因此，第二个挑战项目是精准预测海上巨浪发生的时间。该项挑战的优胜者构建了RSCNN（随机洗牌卷积神经网络）模型，建立了248个时空预测因子之间的关系，通过应用集成技术完成了对海上巨浪发生时间的预测。为了使预测结果更精准，该项挑战的优胜者使用了来自韩国东海、蔚山、郁陵岛等地区33个气象站的数据，主要预测因子为水温、有效波高、波周期、波向和风向。所有数据的观测时间均为1个小时。
一项挑战是计算浦项制铁每天需要为员工准备多少午餐，减少食物浪费。优胜者利用XGBoost（极端梯度提升）算法，创建了数百
在企业争夺人工智能(AI)人才的竞赛中，科技巨头如谷歌、亚马逊和三星之间的竞争尤其激烈。韩国浦项制铁也不例外，不过，浦项制铁更关注在内部培养未来的人工智能专家。近日，浦项制铁举办了工业人工智能解决方案挑战赛，内容包括预测钢铁原材料的成本波动、精准预测海上巨浪发生的时间、计算浦项制铁需要为员工准备多少午餐等。
其中，预测钢铁原材料的成本波动挑战赛的优胜者是来自浦项科技大学（TECH）的学生。他们利用基于人类认知过程的DA-RNN（基于双重注意力的递归神经网络）模型完成了此次挑战。
对于浦项制铁来说，海运至关重要， 而海运受海浪影响大。因此，第二个挑战项目是精准预测海上巨浪发生的时间。该项挑战的优胜者构建了RSCNN（随机洗牌卷积神经网络）模型，建立了248个时空预测因子之间的关系，通过应用集成技术完成了对海上巨浪发生时间的预测。为了使预测结果更精准，该项挑战的优胜者使用了来自韩国东海、蔚山、郁陵岛等地区33个气象站的数据，主要预测因子为水温、有效波高、波周期、波向和风向。所有数据的观测时间均为1个小时。
一项挑战是计算浦项制铁每天需要为员工准备多少午餐，减少食物浪费。优胜者利用XGBoost（极端梯度提升）算法，创建了数百个“决策树”来使预测误差最小化
个“决策树”来使预测误差最小化