🌍 Yale/UNC-CH - Geophysical Waveform Inversion Цель: Создать модель, способную по сейсмическим волновым данным восстанавливать структуру подземных слоёв — задачу, известную как Full Waveform Inversion (FWI). Это важно для геофизики, медицины и диагностики материалов. 🔬 Почему это сложно? Традиционные физические методы точны, но очень медленные и нестабильны при слабом/шумном сигнале. Чистые ML-модели работают быстрее, но требуют огромных объёмов размеченных данных и плохо обобщаются на новые условия. 🏁 Ваша задача — объединить лучшее из двух миров: физику + ML. 📦 Данные: Данные основаны на OpenFWI — большом открытом бенчмарке для сейсмической инверсии. В соревновании участвуют три семейства подземных моделей: Vel — плавные изменения скорости Fault — с разломами и смещениями Style — сгенерированные с разными геологическими стилями Каждая пара включает: Волновой отклик (waveform) — вход модели Карту скоростей (velocity map) — целевая переменная Один файл содержит 500 примеров. Вся обучающая выборка разбита на файлы по 500 штук. 💡 Можно использовать полную версию OpenFWI (вне Kaggle) для дообучения моделей. 📊 Метрика: Средняя абсолютная ошибка (MAE) между предсказанным и истинным скоростным профилем. 📅 Сроки: 🚀 Старт: 8 апреля 2025 ✅ Команды до: 23 июня 📤 Сабмиты до: 30 июня 💰 Призовой фонд — $50,000: 🥇 $12,000 🥈 $10,000 🥉 $10,000 4-е место: $10,000 5-е место: $8,000 🔗 Ссылка на соревнование: Yale/UNC-CH - Geophysical Waveform Inversion Рекомендуем посмотреть видео про Computer Vision. 🤖И найти себе команду в боте @MLTeamSearchBot.