- 다양한 도메인의 문제를 기계학습으로 해결하기
- Feature Representation의 중요성 배울 수 있다.
- 즉, 좋은 피쳐를 추출할 수록 분류 성능이 향상됨을 알 수 있다.
- 제공된 메뉴얼을 기반으로 다양한 문제 해결
- 5주 동안 5개의 문제가 주어짐
- 해결한 문제의 답안(submit.csv)은 캐글 리더보드에 제출 (P/NP 채점 방식)
- 코드는 리더보드 노트북에 Private 으로 제출
- 교수님을 포함한 모든 조교에게 공유
- 공유할 계정명: yukyungchoi(최유경) kjwdubu(김지원), xown3197(김태주),hyeongjun0117(김형준), jowoen(조원), daechanhan(한대찬), sjmin99(신정민), yujinhwang(황유진), liv0vil(홍주영)
- 교수님을 포함한 모든 조교에게 공유
- 코드에는 반드시 주석이 포함되어야 함
- 총 20점 만점, 문제당 4점
- 리더보드 미 제출 0점, 베이스라인_1 미달시 0.5점, 모든 베이스라인 달성 시 3점 (프로젝트별 베이스랑 점수 개별 확인 요망)
- 각 문제에 대한 발표 PPT, 발표 동영상, 모두 제출시 0.5점
- 교수의 정성적 평가 0.5점 (프로젝트 이해도, 발표의 유창성, 코드의 가독성)
- 리더보드 상위랭커 6인 1점
- 추가적인 아이디어 구현을 통한 프로젝트 문제 풀이시 추가 1점 (반드시, 발표 동영상/발표자료에서 밝힐 것) <== 교수님이 검토
- 공동 순위자가 6인 이상일 경우 추가 점수 부여하지 않을 수 있음
- [1D EMA 데이터] EMA 데이터를 이용한 우울증 예측하기
- 베이스라인_1(1점) / 베이스라인_2(2점) / 베이스라인_3(3점)
- [1D 텍스트 데이터]Spam 문자 분류하기
- 베이스라인_1(1점) / 베이스라인_2(2점) / 베이스라인_3(3점)
- [1D 음성 데이터] 음성 기반 감정 분류기
- 베이스라인_1(1점) / 베이스라인_2(2점) / 베이스라인_3(3점)
- [2D 영상 데이터] 영상 내 이상상황 검출하기
- 베이스라인_1(1점) / 베이스라인_2(3점)
- [3D 비디오 데이터] 비디오를 이용한 사람의 행동 분류기
- 베이스라인_1(1점) / 베이스라인_2(3점)
- 슬랙 [#2_질의응답] 채널 이용
- 리더보드 마감: 6월 6일 (일) 오후 11시 59분
- 자료 마감: 6월 7일 (월) 오후 11시 59분
- 발표PPT, 발표동영상, 정리된 코드(주석필수)
- 블랙보드제출