- (1) 인공지능으로 해결할 수 있는 사회 문제를 정의하고,
- (2) 문제를 해결하기 위한 데이터를 정의하고 수집 및 가공하여,
- (3) 수업을 통해 배우 간단한 모델을 활용하여 문제를 해결하는,
- 학생 스스로 ML 프로젝트 파이프라인을 체험하기 하기 위함임
- 인공지능 미니챌린지
- 인공지능 디펜스 게임
- 학생 스스로 인공지능 문제를 발굴 할 수 있다.
- 문제 범주는 regression. classification 으로 제한
- 학생 스스로 인공지능 문제를 해결 할 수 있다.
- 본인의 솔루션을 통한 베이스라인을 제공해야 함
- 학생 스스로 캐글 리더 보드를 만들고 운영할 수 있다.
- 동료에 의한 리더보드 공격(베이스라인을 넘는 제출)을 디팬스 해야 함.
- [마감 10/31][1단계] 주제 선정 제안서 (2점)
- [마감 11/14][2단계] 리더보드 제작 및 베이스라인 설정 (10점)
- [마감 11/17][3단계] 리더보드 공격 (리더보드 제작자 제외) (+가점)
- [마감 11/21][4단계] 리더보드 디팬스 (리더보드 제작자 만) 3점)
- [마감 11/28][5단계] 리더보드 재공격 (리더보드 제작자 제외) (+가점)
- [난이도 하] 기 제출된 문제를 재가공하여 문제를 제출
- [난이도 중] 하나의 공공데이터를 활용하려 문제 제출
- [난이도 상] 여러 공공데이터를 복합적으로 활용하여 문제를 제출
- 텀프로젝트 15점 만점입니다.
- 인공지능 문제 발굴 후 캐글 리더보드를 제작, 스스로 문제 해결하여 모델 학습 후 베이스라인을 제출하면 기본 점수 10점이 부여됩니다.
- 캐글 리더보드의 제출 횟수는 20번으로 설정합니다.
- 인공지능 문제 발굴을 위해 Kaggle / 데이콘 / 공공데이터 / AI-Hub 등 의 데이터를 다양하게 활용 가능합니다.
- 반드시 데이터의 출처를 밝혀야 합니다.
- 데이터의 재 가공(문제 출제의 의도를 가지고)은 허용되나 그냥 가져다 쓸 경우(이미 누군가 가공한 train/test 데이터 그대로) 5점 감점 됩니다.
- 종료된 인공지능 챌린지 대회의 경우 discussion 보드 혹은 인터넷 블로그를 통해 코드가 공유되고 있어 동료들로 부터 리더보드 공격을 받기 쉽습니다. 종료된 대회의 경우 활용하지 않거나 "데이터를 재 가공"하여 사용하는 것을 추천합니다.
- 주제는 선착순 입니다. 동일 데이터 / 동일 주제가 발생하지 않도록 구글 시트에 작성된 시간을 기준으로 먼저 주제를 확정한 학생에게 우선권을 부여합니다.
- 가산점을 부여 받을 수 있는 내역은 아래와 같으며, 과제와 미니프로젝트의 감점을 보완할 수 있습니다.
- 동료의 캐글 리더보드 공격에 성공하면 최초 1회 1.5점을 추가로 부여받게 됩니다.
- 디팬스 후 공격 부터는 최종 1인자만 추가 3점을 부여합니다. (마감일 기준)(여러 리더보드 공격 가능)
- 공격 및 디펜스를 위해 공개된 논문을 활용하셔도 좋습니다. 하지만 반드시 출처를 밝혀야 합니다.
- 최초 공격에 성공하면 해당 리더보드는 디펜스를 위해 리더보드 공격이 잠시 불가능해 집니다. (즉, 선착순 공격 성공자 추가 점수 획득 구조이며 디팬스가 이루어지기 전 공격은 무효처리됨)
- 캐글 리더보드 준비 마감일을 지키지 않을 경우 하루당 20%씩 감점.
- 캐글 리더보드만 제출하고 베이스라인 코드나 설명 동영상을 제출하지 않을 떄 텀프로젝트 0점 처리
- 차후, 동료간 코드카피 적발시 건당 감점 5점
- 동료의 캐글 리더보드 공격에 성공하면 반드시 방법론은 동료의 code/discussion 보드에 답안을 공개하고 설명 동영상을 촬영하여 제출해야 함
- 챌린지 종료후 [문제 선정 / 데이터 가공 / 캐글 리더보드 제작 / 베이스 라인 구축] 일련의 과정을 설명하는 동영상을 촬영하여 제출 해야 함
- 참고용으로 제공되며 해당 주제와 중복은 허용하지않음
- https://github.com/sejongresearch/2020.Spring.AI/blob/master/TermProject.md