HD현대 AI Challenge <본선>

1. 리더 보드 (본선)

• 평가 산식 : Overpred MAE (과대 예측의 경우 10% 패널티 부여)
• Public score : 전체 테스트 데이터 중 100%

2. 평가 방식 (본선)

• 본선 평가 : Public 리더보드 점수 (30%, 정량 평가) + 발표 평가(70%, 정성 평가)
• 평가 항목

3. 개인 또는 팀 참여 규칙

• HD현대 AI Challenge <본선> 진출팀
• 추가 팀 결성 및 변경 불가능

4. 외부 데이터 및 사전 학습 모델

• 외부 데이터 사용 금지
• 법적 제약이 없으며 논문으로 공개된 베이스의 사전 학습 모델(Pre-trained Model) 사용 가능

5. 본선 코드 및 PPT 제출 규칙

• 본선 모델링 종료 후 아래의 양식에 맞추어 본선 진출팀 모두 코드와 PPT를 dacon@dacon.io 메일로 기한 내에 제출
• 제출한 코드는 Public Score 복원이 가능해야 함

o  코드에 ‘/data’ 데이터 입/출력 경로 포함

o  코드 파일 확장자: .R, .rmd, .py, .ipynb

o  코드와 주석 인코딩: UTF-8

o  모든 코드는 오류 없이 실행되어야 함(라이브러리 로딩 코드 포함)

o  개발 환경(OS) 및 라이브러리 버전 기재

• 제출 파일 목록

o Public Score 복원이 가능한 코드 파일

o Public Score 복원이 가능한 모델 weight 파일

o 평가 항목의 내용을 모두 담은 10분 분량의 오프라인 발표 자료 PPT

6. 유의 사항

• 1일 최대 제출 횟수: 100 회
• 사용 가능 언어: Python
• 모든 csv 형식의 데이터와 제출 파일은 UTF-8 인코딩을 적용합니다.
• 모델 학습과 추론에서 평가 데이터셋 정보 활용(Data Leakage)시 감점 또는 실격
• 모든 학습, 추론의 과정 그리고 추론의 결과물들은 정상적인 코드를 바탕으로 이루어져야하며, 비정상적인 방법으로 얻은 제출물들은 적발 시 규칙 위반에 해당됩니다.
• 제공한 학습 데이터로부터 모델 학습의 과정이 필수적으로 존재해야함
• 최종 순위는 선택된 파일 중에서 채점되므로 참가자는 제출 창에서 자신이 최종적으로 채점 받고 싶은 파일 1개를 선택해야 함
• 데이콘은 부정 제출 행위를 금지하고 있으며 데이콘 대회 부정 제출 이력이 있는 경우 평가가 제한됩니다. 자세한 사항은 아래의 링크를 참고해 주시기 바랍니다.

https://dacon.io/notice/notice/13

7. 토론(질문)

• 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 게시글 댓글로 질문을 올려 주시기 바랍니다.

예) [DACON 답변 요청] 시상식은 언제 열리나요?