Studenci z Koła Naukowego Machine Learning: Piotr Krawiec, Julia Makarska, Vitalii Morskyi, Hubert Stasiowski (zespół Untitled.ipynb), zdobyli wyróżnienie w kategorii AI w konkursie programistyczno - robotycznym BITEhack, organizowanym przez Stowarzyszenie Studentów BEST AGH Kraków.
Kolejna edycja konkursu odbyła się w dniach 14-15 stycznia 2023 roku w Klubie Studio, przy AGH w Krakowie.
W tegorocznych zmaganiach wzięły udział dwa zespoły z Koła Naukowego Machine Learning PRz: Irregular expresion (Patryk Gronkiewicz, Damian Kobyliński, Krystian Oleniacz, Mateusz Sygnator) oraz Untitled.ipynb (Piotr Krawiec, Julia Makarska, Vitalii Morskyi, Hubert Stasiowski). Obydwa zespoły podjęły wyzwanie w kategorii AI: “Promocja eko-energetycznego i eko-przyjaznego stylu życia”. Program stworzony przez zespół Irregular expresion ma za zadanie ostrzegać przed niepotrzebnym zużyciem prądu w gospodarstwie domowym. Stworzono model wyłapujący anomalie, jak np. aktywność urządzenia, którego w danym czasie nie używamy. Informacje o niepotrzebnym zużyciu prądu mogą być wysyłane na telefon. Korzystając z urządzeń typu SMART możliwe jest zdalne sterowanie urządzeniami, w tym wyłączanie sprzętu niepotrzebnie zużywającego energię. Stworzony program może zostać zintegrowany z HomeAssistant od Google.
W ciągu 24 godzin zespół Untitled.ipynb opracował inteligentny licznik energii, który na podstawie pomiarów dostarczanych przez jeden czujnik, mógłby odczytywać skoki w poborze energii i klasyfikować odpowiedzialne za to urządzenia. Korzystając z metod uczenia maszynowego licznik oblicza zużycie energii dla poszczególnych urządzeń. Dzięki zastosowaniu tylko jednego czujnika rozwiązanie byłoby przestępne dla użytkownika i łatwe w montażu. Aplikacja, domyślnie, mogłaby być obsługiwana z poziomu telefonu. Poprzez swoją intuicyjność, łatwość w użyciu i odpowiednio wyświetlane statystyki zachęca do bycia eko. Proponowane rozwiązanie mogłoby pomóc w dbaniu o środowisko poprzez lepsze zarządzanie energią w naszym domu. Dalsza praca nad projektem pozwoli na zwiększenie dokładności aplikacji. Kod źródłowy projektu jest dostępny na repozytorium Koła ML: https://github.com/knmlprz/BITEhack-Untitled.ipynb
Pliki do pobrania
Artykuł opublikowany pierwotnie w aktualnościach Wydziału Matematyki i Fizyki Stosowanej PRz.