스마트 공장 제품 품질 상태 분류 AI 온라인 해커톤

채용 | 알고리즘 | 정형 | 스마트 공장 | LG Aimers | 분류 | Macro F1 Score

  • moneyIcon 상금 : 본선 진출
  • 1,270명 마감

설명

Dataset Info.

  • train.csv [파일]
  • PRODUCT_ID : 제품의 고유 ID
  • Y_Class : 제품 품질 상태(Target)
  • 0 : 적정 기준 미달 (부적합)
  • 1 : 적합
  • 2 : 적정 기준 초과 (부적합)
  • Y_Quality : 제품 품질 관련 정량적 수치
  • TIMESTAMP : 제품이 공정에 들어간 시각
  • LINE : 제품이 들어간 공정 LINE 종류 ('T050304', 'T050307', 'T100304', 'T100306', 'T010306', 'T010305' 존재)
  • PRODUCT_CODE : 제품의 CODE 번호 ('A_31', 'T_31', 'O_31' 존재)
  • X_1 ~ X_2875 : 공정 과정에서 추출되어 비식별화된 변수


  • test.csv [파일]
  • PRODUCT_ID : 제품의 고유 ID
  • TIMESTAMP : 제품이 공정에 들어간 시각
  • LINE : 제품이 들어간 공정 LINE 종류 ('T050304', 'T050307', 'T100304', 'T100306', 'T010306', 'T010305' 존재)
  • PRODUCT_CODE : 제품의 CODE 번호 ('A_31', 'T_31', 'O_31' 존재)
  • X_1 ~ X_2875 : 공정 과정에서 추출되어 비식별화된 변수


  • sample_submission.csv [파일] - 제출 양식
  • PRODUCT_ID : 제품의 고유 ID
  • Y_Class : 예측한 제품 품질 상태
  • 0 : 적정 기준 미달 (부적합)
  • 1 : 적합
  • 2 : 적정 기준 초과 (부적합)


  • 실제 공정 과정에서의 데이터로, 보안상의 이유로 일부 변수가 비식별화 처리 되었습니다. (X변수)
  • 'LINE', 'PRODUCT_CODE'는 Train / Test 모두 동일한 종류가 존재합니다.

상세