1. 리더 보드 (1차 예선)

평가 산식 : NMAE (Normalized Mean Absolute Error, 정규화된 평균 절대 오차)

Public score : 전체 테스트 데이터 중 사전 샘플링된 50%
Private score : 전체 테스트 데이터 중 나머지 50%

2. 평가 방식

1차 예선 평가 : 리더보드 Private Score 100%
Private Score는 대회 종료 후 일괄 채점하여 공개
동점자의 경우, 기존 리더보드 순위 산정 방식을 따름
2차 예선 진출 후보 팀 중 코드 제출을 완료하고 코드 검증을 통과한 Private Score 상위 20팀이 본선 진출

3. 개인 또는 팀 참여 규칙

개인 또는 팀을 이루어 참여할 수 있습니다.
개인 참가 방법 : 팀 신청 없이, 자유롭게 제출탭에서 제출 가능
팀 참가 방법 : 팀 탭에서 가능, 상세 내용은 팀 탭에서 팀 병합 정책 확인
팀 구성 방법: 팀 페이지에서 팀 구성 안내 확인
팀 최대 인원: 5 명
동일인이 개인 또는 복수팀에 중복하여 등록 불가

4. 외부 데이터 및 사전 학습 모델

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

5. 1차 예선 코드 제출 규칙

1차 예선 종료 후 2차 예선 진출 후보 팀은 아래의 양식에 맞추어 1차 예선 코드를 dacon@dacon.io 메일로 기한 내에 제출
제출한 코드는 Private Score 복원이 가능해야 함

o 코드에 ‘/data’ 데이터 입/출력 경로 포함

o 코드 파일 확장자: .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 Private Score 복원이 가능한 코드 파일

o Private Score 복원이 가능한 모델 weight 파일

6. 유의 사항

1일 최대 제출 횟수: 5 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 2차 예선 진출 불가능
일반적으로 Test Dataset은 '아예 볼 수 없다' 라고 가정하고 진행해야하며 코드 역시 이를 반영해야합니다.
추론을 위해 주어진 Test Dataset Sample은 추론에만 활용할 수 있습니다.
각 Test Sample의 예측 시점에 맞는 데이터만 사용해야하며, 다른 Test Sample 데이터를 활용하여 예측에 활용하면 Data Leakage에 해당합니다. (Test Dataset Sample 간 교차 활용 불가능)
Test Dataset Sample들을 조합하여 비정상적으로 정답을 유추하는 행위는 실격 사유에 해당합니다.
모든 학습, 추론의 과정 그리고 추론의 결과물들은 정상적인 코드를 바탕으로 이루어져야하며, 비정상적인 방법으로 얻은 제출물들은 적발 시 규칙 위반에 해당됩니다.
모델은 반드시 AI 모델의 학습 과정이 있어야하며, 예측 결과는 학습된 AI 모델의 추론 결과로 이루어져야합니다.
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?

Data·AI-based Price Forecasting Competition: Focusing on Agricultural Product Prices

Algorithm | Agricultural Products | Tabular | Time-series | Regression | NMAE