Dacon x BDA 2nd Student Completion Prediction AI Challenge

모델 실행 순서(첨부한 솔루션 코드와 동일):
CatBoost -> RandomForest -> 1차 앙상블 -> MLP(Colab T4 GPU로 따로 실행) -> 2차 앙상블 -> Logistic Regression -> 3차 앙상블 -> LightGBM -> 4차 앙상블 -> ExtraTrees -> 5차 앙상블 -> SVM -> 6차 앙상블(최종 파일)

1. 실행 환경(개발 환경 및 버전)
본 코드는 Python 3 환경에서 실행되었습니다.

2. 폴더 구조 및 경로 규칙(상대경로)
데이터 입·출력은 상대경로로 고정했습니다.
     1) ./data/ : train.csv, test.csv, sample_submission.csv
     2) ./artifacts/ : 중간 산출물 및 예측값/제출파일 저장
노트북 시작 시 ensure_dirs()로 ./artifacts 폴더를 자동 생성합니다.

3.전체 파이프라인(재현 절차)
- 파이프라인은 다음 흐름으로 구성됩니다.
1) 공통 초기화: 시드 고정(SEED=42), 경로 설정(./data, ./artifacts), 환경 출력
2) 전처리/피처 엔지니어링
3) 모델 학습 및 예측 저장
- 각 모델 단계별 예측 결과를 ./artifacts에 저장
- Anchor 기반 Upper/Lower Flip 앙상블

4. 최종 제출파일 생성

NOTE: 본 솔루션의 PyTorch MLP(DL) 단계는 Google Colab T4 GPU에서 학습했으며, GPU 연산의 비결정성(non-determinism) 때문에 seed를 모두 고정하더라도 런타임 재연결 시 결과가 미세하게 달라질 수 있습니다. 따라서 Private Score를 동일하게 복원하려면, DL 단계 출력 로그/제출 파일 분포가 아래 "코드"에서 확인된 결과와 일치하는지 먼저 확인해 주세요.