Datawhale夏令营之机器学习实践（一）

专栏 

Datawhale夏令营之机器学习实践（二）

---

赛题链接 

锂离子电池生产参数调控及生产温度预测挑战赛：https://challenge.xfyun.cn/topic/info?type=lithium-ion-battery&ch=bvSQT7Y

本次比赛为数据挖掘类型的比赛，聚焦于工业场景。本赛题实质上为回归任务，其中会涉及到时序预测相关的知识。

赛题说明

通过电炉空间温度推测产品内部温度，设计烧结过程的温度场和浓度场的最优控制律：

---

· 任务输入：

电炉对应17个温区的实际生产数据，分别是电炉上部17组加热棒设定温度T1-1~T1-17，电炉下部17组加热棒设定温度T2-1~T2-17，底部17组进气口的设定进气流量V1-V17；

· 任务输出：

电炉对应17个温区上部空间和下部空间17个测温点的测量温度值。

本次任务 

1. 跑通实践基线Baseline，获得自己的成绩；

2. 提交任务一打卡，查看个人成绩排行榜。

Baseline的运行 

快速跑通全流程，我们基于百度AI Studio，将本教程Baseline部署在线上平台，可一键fork运行代码，看到成绩。

一键运行：

本次任务Baselinehttps://aistudio.baidu.com/aistudio/projectdetail/6512066?sUid=2554132&shared=1&ts=1689841007106

 ⚠ 注意：

• 运行时，选择V100 32G 或 A100 40G的配置。

• 总运行时间大约需要1小时 或者 10min，请耐心等待。

• 视频演示：AI夏令营：开营仪式|实践全流程基础演示_哔哩哔哩_bilibili，对应的ML章节

结果

运行完所有cell，可得到 submit_result.csv 文件，将其下载，到赛题链接处提交以后返回得分。