1. 문제 정의 및 미션

본 대회는 딥러닝 기반 시계열 예측 모델을 개발하여 대한민국 특정 도시의 평균 기온을 예측하는 과제입니다. 참가자들은 다음과 같은 미션을 수행해야 합니다:

1.1 모델 개발

훈련 데이터(train.csv): 2015-01-01부터 2022-12-31까지의 일별 기상 데이터

목표: 14일(2주) 동안의 일별 평균 기온을 예측하는 Multi-Step Prediction 모델 구축

1.2 예측 수행

참가자들은 6개의 예측 시점에 대해 각각 14일간의 평균 기온을 예측해야 합니다:

1.3 결과 제출

모든 예측 시점의 결과를 통합하여 하나의 submission.csv 파일로 제출.

참가자들은 제공된 train.csv 파일을 사용하여 모델을 학습시키고, 각 예측 시점에 해당하는 test 파일을 활용하여 모델의 입력 시퀀스를 구성해야 합니다.

이를 통해 각 예측 기간의 14일간 일별 평균 기온을 예측하게 됩니다.

본 대회는 참가자들의 시계열 데이터 처리 능력, 딥러닝 모델 설계 및 최적화 능력, 그리고 장기 예측 성능을 종합적으로 평가하게 됩니다.

제출된 결과는 실제 관측된 평균 기온과 비교하여 평가되고, 리더 보드에 업데이트 될 예정입니다.

2. 평가

평가산식 : NMAE (Normalized Mean Absolute Error)

본 대회의 모델 성능 평가는 NMAE(Normalized Mean Absolute Error)를 사용합니다. NMAE는 예측값과 실제값 간의 절대 오차를 정규화한 평균으로, 다음과 같은 특징을 가집니다:

1. 예측 오차의 크기를 직관적으로 이해할 수 있습니다.

2. 이상치에 덜 민감하여 안정적인 평가가 가능합니다.

3. 정규화를 통해 다른 스케일의 데이터셋 간 비교가 용이합니다.

NMAE의 수식은 다음과 같습니다:

NMAE = (1/n) * Σ(|y_true - y_pred| / y_true) * 100

여기서:

- n: 샘플의 수

- y_true: 실제 관측값

- y_pred: 모델의 예측값

NMAE는 백분율(%)로 표현되며, 값이 낮을수록 모델의 성능이 우수함을 의미합니다. 참가자들은 이 지표를 최소화하는 방향으로 모델을 최적화해야 합니다.

Public Score 및 Private Score 동일

3. 참여 규칙 및 해커톤 합격 기준

합격 기준 점수 : Private Score 0.369 이하

합격시 코드 공유 페이지에 코드 및 pdf 파일을 업로드하여야 합니다.
코드 공유를 할 때 '공개 설정' 을 '공개'로 설정하여야 합니다.

본 대회의 합격은 다음 세 가지 요건을 모두 충족하는 참가자에게 주어집니다:

1. 합격 점수:

2. 제출물:

- 딥러닝 기반 시계열 예측 모델을 사용하여 학습 및 추론한 결과물을 제출해야 합니다.

- 사용 가능한 모델의 예시:

* 순환 신경망(RNN) 계열: LSTM, GRU 등

* 합성곱 신경망(CNN) 기반 시계열 모델

* 다층 퍼셉트론(MLP) 기반 모델

* Transformer 기반 모델

* 기타 딥러닝 기반의 시계열 예측에 적합한 모델

3. 간략 분석 보고서 제출:

다음 내용을 포함한 PDF 파일을 제출해야 합니다:

(1) 데이터 전처리 및 하이퍼 파라미터 튜닝 과정 설명

(2) 학습-검증 과정에서의 epoch에 따른 학습 성능 곡선

(3) 참가자가 자유롭게 선택한 검증 기간에 대한 정답값과 예측값의 비교 그래프

주의사항 :
본 기준은 참가자들의 학습과 제출에 대한 경험을 쌓기 위한 것으로, 결과물의 제출과 함께 과정에 대한 분석을 중요하게 평가합니다.

1일 최대 제출 횟수 : 10회
개인으로만 참여할 수 있습니다. (팀 구성 X)
모든 AutoML 패키지 사용 불가능
외부 데이터 사용 불가
사전 학습 모델(Pre-trained Model) 사용 불가

3. 부정 행위 및 결격 사유

아래 사항들은 모두 부정행위로 간주합니다.
주어진 학습 데이터(train.csv) 이외의 데이터를 학습에 사용
테스트 데이터를 학습에 사용 (* 테스트 데이터는 모델의 '추론' 과 제출 파일 생성에만 사용해주세요)
외부에 공개된 원본 데이터를 사용
사전 학습(pretrained) 모델 사용

반드시 데이콘에서 받은 데이터만을 사용해주세요.

[중요]

타인의 코드를 '그대로' 제출하는 것은 결격 사유입니다.
대회 진행 중 부정행위가 의심되는 경우, 먼저 리더보드에서 기록이 숨김 처리됩니다.
데이콘 측에서는 해당 참가자에게 기록 복구를 위한 코드 제출을 요청할 수 있습니다.
해당 참가자가 대회 종료 3시간 전까지 코드를 제출하여 정상적인 코드임이 확인될 시 기록이 복구됩니다.
데이콘은 투명하고 공정한 대회 운영을 위해 단 한번의 부정행위에도 엄격히 대응하고 있습니다.
대회 종료 후 부정행위가 확인되거나 결격사유가 있을 경우, 리더보드에서 기록이 삭제되며 합격 기준에서 탈락됩니다
데이콘은 부정행위를 엄격히 금지하고 있으며 데이콘 대회 부정 제출 이력이 있는 경우 평가가 제한됩니다.
자세한 사항은 다음의 링크를 참고해 주시기 바랍니다. https://dacon.io/notice/notice/13

4. 유의 사항

모델 학습에서 검증 혹은 평가 데이터셋 활용 시 Data Leakage로 판단하여 실격 처리됩니다. (부정 행위)
최종 순위는 선택된 파일 중에서 채점되므로 참가자는 제출 창에서 자신이 최종적으로 채점 받고 싶은 파일을 선택해야 합니다.
대회 직후 공개되는 Private 랭킹은 최종 순위가 아니며 코드 검증 후 수상자가 결정됩니다.
대회 종료 후 리더보드 및 코드 공유 수상자 순위를 결정합니다.

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.

Seoul Average Temperature Prediction AI Hackathon

Algorithm | Tabular | TimeSeries | Regression | MAE