Что это за задача

Тебе выдаются не аудиофайлы, а картинки спектрограмм (PNG) — по горизонтали время, по вертикали частота (низкие внизу), яркость — энергия. В каждой передаче закодирована пятизначная числовая последовательность. Задача — обучить модель, которая по спектрограмме восстанавливает переданный код.

Качество канала падает пирамидой — каждый уровень дальности добавляет к предыдущим искажениям новое:

Параметры искажений (число синусоид, уровень шума, позиции дыр) в каждой передаче случайны.

Данные

PNG: 8-бит, оттенки серого, высота 64 (mel-полосы), ширина ~200–300 (время).

В train — передачи нескольких источников. Финальная серия (скрытый тест) передана источником, которого нет в train. Модель, зазубрившая «голоса» обучающего набора, на ней просядет. Побеждает та, что выучила устройство сигнала, а не конкретного отправителя.

Что сдавать

Сабмит — это весь ваш ноутбук-воркспейс (.ipynb). Система запускает его целиком («Run all») в изолированной среде — CPU, без интернета, с лимитом времени на весь прогон (1 час). Отдельно файлы model.pt / predict.py не загружаются — всё должно лежать внутри ноутбука и подключённых к нему наборов данных.

Ноутбук обязан делать две вещи:

1. Обучить модель на 1 эпоху с фиксированным SEED и сохранить чекпоинт — так проверяется, что ваш train-луп реально работает и воспроизводим (проверка авторства).
2. Загрузить ваш полностью обученный чекпоинт и функцией predict(png_path) -> strсделать инференс по скрытому тесту.

Перед отправкой во вкладке Submit (правая панель воркспейса) нужно указать три пути:

Про «Исходный чекпоинт»: это файл не из train/ / test/, а из отдельного набора данных с вашей моделью, который нужно заранее прикрепить к воркспейсу ноутбука (правая панель → «Наборы данных из workspace» → «Добавить набор данных»). По умолчанию он монтируется на директорию выше train//test/ — в datasets/solution/model.pt. Если вы назвали набор данных иначе или положили чекпоинт по другому пути — обновите значение поля, иначе система его не найдёт и сабмит зафейлится.

Если вы не переименовывали файлы в baseline-ноутбуке, все три поля можно оставить значениями по умолчанию.

Оценка производится внутри системы:

1. Проверяется, валидные ли веса отдаёт ваш train-луп на 1 эпохе и совпадают ли они архитектурно с весами на инференсе («Свежий» vs «Исходный» чекпоинт).
2. Генерируется сабмит на скрытом тесте (одновременно public и private).
3. Считается метрика — до конца соревнования вы видите только публичную её часть. После дедлайна мы пересчитаем сабмиты на private и откроем обновлённый лидерборд.

Оценка

Метрика — поцифровая точность: доля правильно угаданных цифр на своих позициях (в каждой передаче 5 цифр; угадал 3 из 5 → 0.6 за передачу). Для ориентира: случайное угадывание даёт около 10%.

Два лидерборда:

• публичный — считается по test/, виден сразу, служит самопроверкой;
• приватный — считается организаторами по скрытому тесту (неизвестный источник).

Итоговые места и баллы определяются только позицией на приватном лидерборде.Публичный скор в зачёт не идёт — не переобучайся под него.

Подсказка

Передача — это последовательность из пяти знаков, а спектрограмма — изображение с осью времени. Подумай, какие архитектуры читают последовательности с изображений (так распознают, например, номерные знаки и рукописные строки). И помни: финальная серия передана источником, которого нет в train — всё, что заставит модель не привязываться к «голосу» конкретного отправителя, работает на тебя.