| فایل‌ اولیه‌ی دادگان آموزش و آزمون را می‌توانید از [این لینک](/contest/assignments/89137/download_problem_initial_project/303237/) دانلود کنید. | |:-:| در این سؤال ترکیبی، داده‌های مربوط به تمامی حالت‌های معیوب در اختیار شما قرار گرفته است. مدل شما باید دو برچسب را به طور هم‌زمان پیش‌بینی کند: + **نوع خرابی (fault_type)**: می‌تواند یکی از `bearing_fault`، `misalignment`، `lubrication_fault` یا `sensor_fault` باشد. + **منبع خرابی (fault_source)**: مقدار آن یا `equipment_fault` است یا `sensor_fault`. ### توضیحات داده + داده‌ها برای هر حسگر در قالب دو فایل جداگانه ارائه شده است: + `SensorName_train.csv` + `SensorName_test.csv` + هر فایل شامل ستون‌های `timestamp` و مقدار همان حسگر است. + در نسخه‌ی **train**، دو ستون برچسب `fault_type` و `fault_source` فقط در فایلی وجود دارد که **بالاترین نرخ نمونه‌برداری** را دارد. سایر فایل‌های train فاقد این برچسب‌ها هستند. + زمان‌ها تغییر یافته‌اند، اما **ترتیب زمانی کاملاً حفظ شده است**. + نرخ نمونه‌برداری سنسورها متفاوت است (۱، ۲، ۵، ۱۰ یا ۱۵ ثانیه). بنابراین، برای تحلیل چندحسگری باید داده‌ها بر اساس `timestamp` همگام‌سازی شوند. ### هدف مدلی بسازید که بر اساس سیگنال‌های حسگرها، به طور هم‌زمان منبع خرابی (تجهیز یا حسگر) و نوع خرابی (یکی از چهار حالت) را تشخیص دهد. این مسئله یک مسأله‌ی **چندبرچسبی (Multi-Label)** است؛ یعنی هر رکورد باید دو مقدار پیش‌بینی‌شده داشته باشد. ### ⚠️ نکات مهم + تمامی ردیف‌ها معیوب هستند؛ داده‌های عادی در این مجموعه وجود ندارد. + خرابی‌های حسگر ممکن است با تغییرات ثابت، جهش‌های کوتاه یا مقادیر گمشده همراه باشند؛ در حالی که خرابی‌های تجهیز عموماً چندین سنسور را تحت تأثیر قرار می‌دهند. + این سوال ترکیبی از دو مسئلهٔ پیشین است. می‌توانید از مدل‌های چند خروجی استفاده کنید یا دو مدل مجزا آموزش دهید و خروجی‌های آن‌ها را در یک فایل ترکیب کنید. + داده‌های آزمون فاقد هر دو ستون برچسب هستند و شما باید برای هر سطر مقدار هر دو برچسب را پیش‌بینی کنید. ### معیار ارزیابی برای ارزیابی، دو مقدار **Macro‑F1** محاسبه می‌شود: یکی برای ستون `fault_type` (چهار کلاس) و دیگری برای ستون `fault_source` (دو کلاس). امتیاز کلی شما برابر میانگین این دو مقدار است: $$F1_{type}=F1_{macro}(faultType)$$ $$F1_{source}=F1_{macro}(faultSource)$$ $$score= (\frac{round(F1_{type}, 3) + round(F1_{source}, 3)}{2})*100$$ <details class="red"> <summary> **حداقل امتیاز** </summary> > در صورتی که هر یک از دو مقدار Macro‑F1 کمتر از ۰٫۵ باشد، نمرهٔ نهایی صفر خواهد بود. </details> <details class="red"> <summary> **داده ارزیابی** </summary> در طول مسابقه تنها ۳۰ درصد از داده‌های آزمون برای محاسبهٔ امتیاز موقت استفاده می‌شود و ۷۰ درصد باقی‌مانده بعد از اتمام مسابقه برای امتیازدهی نهایی به کار خواهد رفت تا از بیش‌برازش جلوگیری شود. </details> <details class="red"> <summary> **خروجی مورد انتظار** </summary> خروجی شما باید دقیقاً به اندازه‌ی تعداد ردیف‌های فایلی باشد که بالاترین نرخ نمونه‌برداری را دارد، زیرا برچسب‌ها در همان نقاط زمانی تعریف می‌شوند. </details> ### نحوه ارسال پاسخ یک فایل `result.zip` ارسال کنید که شامل دو بخش زیر باشد: 1. **`submission.csv`**: شامل دو ستون `fault_type` و `fault_source` که برای **تمام رکوردهای فایل تست سنسوری با بیشترین نرخ نمونه‌برداری**، مقادیر پیش‌بینی‌شده‌ی نوع خرابی و منبع خرابی را نگه می‌دارد. 2. **`notebook.ipynb`**: شامل روند آماده‌سازی داده (ادغام بر اساس `timestamp` و مدیریت نرخ نمونه‌برداری متفاوت)، آموزش مدل/مدل‌ها و تولید خروجی.