KNOW 기반 직업 추천 알고리즘 경진대회

1. 규칙

• 제출 횟수 및 최대 팀원

1. 1일 최대 제출 횟수 : 3회
2. 팀 최대 인원 : 5명

• 리더보드

1. 평가 산식 : Macro F1-score
2. Public Score : 전체 테스트 데이터 중 33%
3. Private Score : 전체 테스트 데이터 중 67%

• Test Dataset은 추론과정에서만 사용 가능
• 코드 평가(1차 평가)

1. 다음 조건을 만족하며 제출한 코드로 Private score 복원된 상위 4팀에게 상금 수여
2. 대회 종료 후 평가 희망자는 코드 공유 게시판에 코드 게시 및 코드와 설명자료를 dacon@dacon.io로 제출
3. 코드에 ‘./data’ 데이터 입/출력 경로 포함
4. 코드 파일 확장자 : .R, .rmd, .py, .ipynb
5. 코드 제출 유의사항
6. 코드 인코딩 : UTF-8
7. 개발환경(OS) 및 라이브러리 버전 기재
8. 전체 실행 프로세스 및 코드 실행방법을 readme파일로 정리해서 제출
9. 실행 방법대로 실행 시 모든 코드가 오류 없이 실행되어야 합니다.

• 설명자료 제출 유의사항

1. 데이터 전처리/모델링에 대한 설명
2. (사용했을 시) 추가 데이터셋 혹은 Pre-trained 모델 명시

• 코드공유 게시판 게시

1. 제목 양식 : 팀 이름, Private 순위와 점수, 모델 이름. 예) 데이콘팀, Private 1위/0.82, ResNet
2. 내용 : 전처리, 학습, 후처리, 추론 일련의 과정을 담은 코드를 게시
3. ipynb형식의 게시가 어려울 경우 github링크와 함께 코드 주요 부분과 마크다운을 작성하여 게시

• 코드 검증 환경

1. NVIDIA GeForce RTX 3090 / Ubuntu 18.04.6 LTS (64bit)
2. Tesla V100-PCIE-32GB / Ubuntu 16.04.6 LTS (64bit)
3. Colab GPU / Linux-5.4.104+-x86_64-with-Ubuntu-18.04-bionic

• 발표 평가(2차 평가)

1. 1차평가를 통해 상위 10팀 대상으로 진행
2. 2차 평가 대상자는 발표 영상을 10분 내외로 녹화하여 제출
3. 2차 평가 항목

2. 외부 데이터 및 사전학습 모델

• 공공 데이터와 같이 누구나 얻을 수 있고 법적 제약이 없는 외부 데이터 허용
• 사전학습 모델의 경우 사전학습에 사용된 데이터를 명시해야 함

3. 개인 및 팀 병합 규정

• 개인 참가 방법 : 팀 신청 없이 자유롭게 제출탭에서 제출 가능
• 팀 참여 방법 : 팀 탭에서 가능, 상세 내용은 팀 탭에서 팀 병합 정책 확인
• 하나의 대회는 하나의 팀으로만 등록 가능
• 팀 병합 후 해체 및 개인 참가 불가
• 팀의 수상 요건 충족시 팀의 대표가 수상

4. 유의사항

• 사용 가능 언어 : Python, R
• 최종 순위는 선택된 파일 중에서 채점되므로 참가자는 제출창에서 자신이 최종적으로 채점 받고 싶은 파일을 선택해야 함(최대 2개 선택)
• 대회 직후 공개되는 Private 랭킹은 최종 순위가 아니며 코드 검증 후 수상자가 결정됨
• 데이콘은 부정제출 행위를 금지하고 있으며 데이콘 대회 부정 제출 이력이 있는 경우 평가가 제한됩니다. 자세한 사항은 아래의 링크를 참고해주시기 바랍니다. https://dacon.io/notice/notice/13

5. 대회문의

• 대회 운영 및 데이터 이상에 관련된 질문 외에는 답변을 드리지 않고 있습니다. 기타 질문은 토론 페이지를 통해 자유롭게 토론해주시기 바랍니다.
• 데이콘 답변을 희망하는 경우 [토크] - [DAKER! 대회 관련 문의] 페이지에 댓글을 남겨주시기 바랍니다.