预测驾驶风险：Porto Seguro携手Kaggle挑战赛

挑战任务 本次比赛要求参赛者基于讯飞开放平台提供的移动设备用户数据，准确预测用户的年龄和性别。 数据集描述 数据集包含训练集和测试集，共涵盖超过2万个设备的用户数据。 每个设备由唯一的 device_id 标识，并包含设备信息、APP信息和事件信息。 目标字段包括： gender: 用户性别 age: 用户年龄 数据集中部分字段信息已脱敏处理，以保护用户隐私。 数据集构成 训练集：包含2万条设备数据，用于模型训练。 测试集：包含3千多条设备数据，用于模型评估。

MLSA18足球通行证预测挑战赛的数据集包含了关于第五届运动分析机器学习和数据挖掘研讨会的足球准入预测挑战的详细说明。该研讨会将于2018年9月10日星期一在都柏林举行，作为欧洲机器学习与数据库知识发现会议的一部分。挑战的目标是在给定传球发送者和球场上所有球员位置的情况下，预测足球比赛中传球的接收者。数据集包含2014/2015足球赛季期间涉及比利时足球俱乐部的14场不同比赛中的12,124次传球记录。passes.csv文件格式为以逗号分隔的数据，总计12,125行和60列。

《MathorCup数学建模挑战赛：理论与实践的融合》MathorCup数学建模挑战赛激发学生的创新思维和数学应用能力。每年吸引全国大学生参与，他们运用数学解决实际问题，展示理论与实践结合的能力。2024年4月13日开赛，文件名为\"MathorCup数学建模_2024-04-13.md\"，包含赛题介绍、参赛指南和优秀作品分析。数学建模将现实问题转化为数学模型，并通过计算机求解，为决策提供依据。参赛团队需解决经济、环境和社会挑战，具备数学基础、编程和数据分析技能。

汇总了2021级在2022年各路线的运货量数据，共2个EXCEL文件，分别对应1年数据。

《2023MathorCup大数据挑战赛：探索与分析》提供了一个宝贵的平台，让参赛者展示他们的数据分析和挖掘能力。本次比赛的数据集打包在名为“2023MathorCup大数据挑战赛数据集.rar”的压缩文件中，包含多个子文件，每个子文件都可能蕴含丰富的信息，等待参赛者发掘。大数据是指那些在传统数据处理工具难以捕获、管理和分析的海量、高速和多样化的信息资产，具有四个基本特征：大量、高速、多样和价值。数据集是数据科学的核心组成部分，包括用于训练模型或进行统计分析的具体数据，可以是结构化的（如表格形式）或非结构化的（如文本、图像或音频）。参赛者需深入研究数据结构和潜在关系，以提取有价值的信息。

MATLAB和Simulink硬件挑战赛的RobotarmMatLabfiles文件提供了使用Kinect 2.0控制机器人手臂的解决方案。

2018 年中兴迪杰斯特拉算法挑战赛受到美国制裁的影响被迫终止，官网也已关闭。该比赛的任务是在给定网格中填充 1000 条链路，每条链路有三种选择，目标是在一分钟内尽可能降低网格的最大链路利用率。 一种优化方案是从第一条链路开始，每次选择使得当前网格最大链路带宽利用率最小的链路，直到填充完所有链路。该方案得到的利用率约为 40。在此基础上，可以采用模拟退火算法进行优化，每次退火改变一条链路的选择，替换为另外两种选择之一。由于每次只改变一条链路，因此只需计算一次网格利用率，大幅减少了计算量，在相同时间内可以进行更多次的退火操作。通过调整模拟退火参数，最终可以将网格最大链路带宽利用率降低到 37.19 左右，在一分钟内逼近了工具测试得到的 37.08 左右的最优解。

Matlab特征点代码：利用挤压激励和残余网络进行反欺骗。这个存储库包含了重现我们在Interspeech 2019论文中核心结果的代码。如果您发现这些代码对您有帮助，请引用@article{lai2019assert，标题={ASSERT: 挤压激励和残余网络进行反欺骗}，作者={Lai, Cheng-I and Chen, Nanxin and Villalba, Jes{\'u}s and Dehak, Najim}，期刊={arXiv预印本arXiv:1904.01120}，年={2019}}。摘要：我们将提交我们的挤压激励和残余网络（ASSERT）系统文件至JHU，参加ASVspoof 2019挑战赛。自ASVspoof挑战赛开展以来，反欺骗问题越来越受到关注，ASVspoof 2019专注于应对文本到语音、语音转换和重播等三种主要攻击类型。ASSERT基于前期关于深度神经网络（DNN）的研究。

这个数据集包含八个主要属性：➢ 与家的距离；➢ 与上次交易的距离；➢ 近一次交易与以往交易价格中位数的比率；➢ 交易是否发生在同一个商户；➢ 是否通过芯片（银行卡）进行的交易；➢ 交易时是否使用了PIN码；➢ 是否是在线交易订单；➢ 诈骗行为（分类标签）。