資料集下載

2018生醫論文自動分析熱身賽

⚠️注意事項:此資料僅供學術使用,如須引用至他處,請註明資料來源如下:

(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"

以及           

(2) 論文 "Ming-Siang Huang, Po-Ting Lai, Pei-Yen Lin, Yu-Ting You, Richard Tzong-Han Tsai, Wen-Lian Hsu: Biomedical named entity recognition and linking datasets: survey and our recent development. Briefings Bioinform. 21(6): 2219-2238 (2020)"

參與本競賽的人能實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。

​比賽內容詳見:

https://aidea-web.tw/moe2018

2019生醫論文自動分析正式賽-生醫關聯擷取

⚠️注意事項:此資料僅供學術使用,如須引用至他處,請註明資料來源如下:

(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"

以及           

(2) 論文 "Ming-Siang Huang, Po-Ting Lai, Pei-Yen Lin, Yu-Ting You, Richard Tzong-Han Tsai, Wen-Lian Hsu: Biomedical named entity recognition and linking datasets: survey and our recent development. Briefings Bioinform. 21(6): 2219-2238 (2020)"

參與本競賽的人能實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。

2019論文機器閱讀競賽

⚠️注意事項:此資料僅供學術使用,如須引用至他處,請註明資料來源如下:

"教育部人工智慧競賽與標註資料蒐集計畫 (MOE AI competition and labeled data acquisition project)"

如何設計一個系統,能自動閱讀論文摘要後,標註並統整論文裡所涉及的演算法? 鑑於當今電腦科學的發展日新月異,演算法的更迭與演進以爆炸式的成長,歸納及統整這些演算法所需的人力將不復以往,而爬梳相關文獻所需的時間也往往讓研究者們深感無力。因此,讓機器自動梳理這些不斷推陳出新的演算法,將會是無可避免的嘗試。即便在人力可負擔的情形下,讓機器自動統整相關演算法,將可以讓研究者騰出時間做更有意義的事。

2020台灣高經濟作物-愛文芒果影像辨識正式賽

⚠️注意事項:此資料僅供學術使用,如須引用至他處,請註明資料來源如下:

"教育部人工智慧競賽與標註資料蒐集計畫 (MOE AI competition and labeled data acquisition project)"

​希望基於自動化、精準化的AI影像辨識技術導入概念,在未來利用台灣本地資料庫建立一套自動芒果篩果系統,並在未來進一步希望能與政府單位合作完整芒果智能履歷搭建,同時拉抬台灣本地愛文芒果的精緻化。

​比賽內容詳見:

https://aidea-web.tw/aicup_mango

2020歌聲轉譜與和弦辨識競賽

⚠️注意事項:此資料僅供學術使用,如須引用至他處,請註明資料來源如下:

(1) "教育部人工智慧競賽與標註資料蒐集計畫(MOE AI competition and labeled data acquisition project)"

​以及

(2) 論文"Jun-You Wang, Jyh-Shing Roger Jang: On the Preparation and Validation of a Large-Scale Dataset of Singing Transcription, in the Proceedings of 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP),276-280."

各式各樣的線上音樂平台正在積極的拓展各式各樣的 AI 音樂分析與應用,並成立屬於自己的機器學習或是人工智慧部門。此類服務在機器學習的研究上可以分成兩個部分,一是針對使用者行為做推薦,另一則是針對歌曲的本質做推薦,因此熟悉這些音樂基本分析元素及機器學習之方法的人才在目前的音樂產業中是亟需被重點培養的。