Skip to content
No description, website, or topics provided.
Branch: master
Clone or download
Latest commit 4fe8543 Aug 26, 2019
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
DENTSU_DATA_ARTIST_INTERNSHIP_2019 Update README-K1.md Aug 23, 2019
README.md Update README.md Aug 26, 2019

README.md

『電通×データアーティスト AIインターンシップ2019』 エンジニアリングコース エントリー課題

こちらのリポジトリは、『電通×データアーティスト AIインターンシップ2019』 エンジニアリングコースのエントリー課題をまとめたものとなります。 課題概要は、以下の通りです。エントリー希望の方は、エントリーページのフォームの記入と、必須課題1と2の内1つ以上を提出してください。課題3と課題4は任意ですが、提出された場合は加点対象になります。詳細説明や結果提出の方法につきましては、課題フォルダーにおけるそれぞれのREADMEファイルをご参照ください。

注意事項

  • 回答には、以下のいずれかの言語を利用してください。
    • Python, C, C++, Go, Java, JavaScript, R
  • フレームワークやライブラリの利用は任意であり、独自開発のライブラリ等を利用する場合は、ソースコードを回答に含めて提出してください。
  • 他の人との相談や共有などは禁止します。他の応募者からのコピーが発見された場合は、双方とも失格となります。

課題説明

課題1

手書き数字(MNIST)分類モデルを実装し、ソースコードとテスト結果を提出してください。 手描き数字データに関しては、任意のオープンデータセット(MNIST)を利用して下さい。 回答に関しては、README-K1.mdに記載の各回答項目を準備し、ソースコードと共に下記「回答提出手順」に従って提出してください。

課題2

物件価格予測用回帰モデルを実装し、ソースコードとテスト結果を提出して下さい。 データに関しては、Price.csvGPL 2)を利用して下さい。 回答に関しては、README-K2.mdに記載の各回答項目を準備し、ソースコードと共に下記「回答提出手順」に従って提出してください。

課題3

日本語サンプルテキスト(Sample.csv)におけるtextカラムをクラスタリングしてください。 データセットの作り方、クラスタリングアルゴリズム、クラスターの数は自由に決めて下さい。 回答に関しては、README-K3.mdに記載の各回答項目を準備し、ソースコードと共に下記「回答提出手順」に従って提出してください。

課題4

Kaggle等のスコアやGithubアカウントなどご自身のスキルをアピールできるものを提示して下さい。 回答に関しては、README-K4.mdに記載の各回答項目を準備し、下記「回答提出手順」に従って提出してください。

回答提出手順

  1. GitHub上で課題回答用のパブリックリポジトリを作成して下さい。
  2. ソースコードを1で作成したリポジトリにプッシュして下さい。
  • それぞれブランチ分けをしてREADMEファイルを作成し、提出課題それぞれの該当ブランチ名を記入してください。
  1. 各提出課題に対し、それぞれREADME-K1~4テンプレートをもとにREADMEファイルを作成し1で作成されたリポジトリにプッシュして下さい。
  2. 3のリポジトリへのリンク(URL)を課題エントリーフォームにおける課題提出用リポジトリURL入力欄に貼り付けて下さい。

その他

詳細説明、データ、READMEテンプレート等につきましては、フォルダーDENTSU_DATA_ARTIST_INTERNSHIP_2019をご参照下さい。

問い合わせ先

電通×データアーティスト AIインターンシップ事務局 (ai.internship@dentsu.co.jp)

You can’t perform that action at this time.