🎉 Team kalebanana 님, 수상을 진심으로 축하합니다. 🎉

🏆 권혁준, 임중빈, 김종민 님

🎙우승팀 중 한 팀이 되었는데요, 수상을 진심으로 축하드립니다. 수상 소감 부탁드립니다.

권혁준

현업이 아니면 얻기 어려운 데이터를 가지고 문제를 풀어볼 수 있는 좋은 기회여서 좋았습니다. 그리고 simulation 데이터가 따로 존재하는 특이한 문제 세팅 덕분에, 여러가지 시도를 해봤어야 했고, 그 과정에서 여러 경험치를 쌓을 수 있었던 것 같습니다.

임중빈

실력있는 많은 분들이 참여한 대회에서 입상하게 되어 영광입니다! 머신러닝을 이용해 실제 문제를 해결해보는 프로젝트를 진행하여 재미 있었고, 뛰어난 팀원 덕분에 좋은 결과까지 얻게 되어 기쁩니다. 좋은 대회를 준비해주신 주최측에게도 감사의 말씀을 드립니다. 이번 대회에 참여한 것을 계기로, 앞으로도 다양한 프로젝트나 대회에 참여하며 관련 능력을 키우고 싶습니다

김종민

우수한 팀원들을 만난 덕에 수상할 수 있었던 것 같습니다.

🎙데이터 분석에 관심을 가지게 된 계기나 데이터 분석 일을 하게 된 이유가 있다면 무엇인가요?

권혁준

학부 때는 데이터 분석이나 머신러닝보다는 컴퓨터 비전, 제어, 등에 관심이 더 많았습니다. 하지만 그때도 이미 많은 비전, 제어 문제에서 데이터 기반 방법들에 의해 큰 성과를 보여주고 있었고, 그래서 자연스럽게 데이터 분석과 머신러닝 쪽으로 공부와 연구를 하게 된것 같습니다.

임중빈

오늘날 공학의 주요 트렌드 중 하나는, data-driven 방식으로 기존 방법론의 성능을 개선하거나, 이전에는 풀 수 없었던 문제들을 해결해 나가는 것입니다. 따라서, 공학에 종사하는 사람이라면 자신의 분야가 무엇이든 데이터 분석 능력을 필수적으로 갖춰야 한다고 생각해 관심을 갖고 공부하게 되었습니다.

김종민

연구실에서 데이터 분석을 연구하는 많은 분들이 계셔서 자연스럽게 영향을 받은 것 같습니다. 최근 머신러닝과 딥러닝을 적용하는 사례가 늘어 흥미를 가지게 되었습니다.

🎙데이콘 경진대회에 참여한 동기가 있나요?

권혁준

학교에 붙어있는 대회 공고를 보고 참여하게 되었습니다.

임중빈

최근 머신러닝에 관심을 갖고 공부하기 시작했는데, 배운 이론을 실제 문제에 적용하는 프로젝트를 진행해보면 좋은 경험이 될 것이라고 생각했습니다. 그러던 중 삼성 AI 챌린지가 진행된다는 사실을 알게 되었고, 3D metrology라는 대회 주제가 제 전공인 기계공학과도 연관성이 있는 것 같아 이번 대회에 참여하게 되었습니다.

김종민

지도교수님께 메일을 받아 대회를 알게 되었으며, 챌린지를 진행하는 과정에서 실제 문제에 딥러닝을 적용하고, 딥러닝의 이론적인 부분을 코드로 구현하는 과정을 경험해보고 싶어 참여했습니다.

🎙학업, 현업, 일상생활 등과 관련해서 대회 중 느낀 점이 있나요?

권혁준

최근에는 초거대모델로 zero-shot으로도 다양한 테스크에서 좋은 성능을 내는 연구들이 많이 이슈가 됩니다. 하지만 이러한 기술들은 자원의 한계나, 데이터 도메인과 테스크의 괴리로 인해 현업에 바로 적용하기 어려운 부분이 있는 것 같습니다.

특히나 이번 챌린지와 같이 공개하기 어려운 제조 산업과 관련된 데이터를 쓸 경우에는 더욱 그런 것 같습니다.

이러한 경우에는 도메인 지식을 활용해, 문제를 여러 스텝으로 쪼개고, 각각을 적절히 해결해 주는 것이 여전히 중요하다는 것을 느꼈습니다.

임중빈

이론으로만 접한 머신러닝을 실제로 구현하는 것이 재미 있었지만, 한편으로는 굉장히 어려웠습니다. 또한, 실제 문제를 해결하기 위해서는 관련된 최신 기술을 빠르게 이해하는 능력과, 이를 코드로 구현하는 능력이 중요하다는 것을 느꼈습니다.

김종민

9월에 개강한 후 일정이 많아 바빠 참여가 많이 어려웠던 것이 조금 아쉬웠습니다.

🎙대회 기간 중 가장 힘들었거나 어려웠던 점이 있었나요?

권혁준

SEM 이미지와 평균 깊이라는 개념이 익숙치 않아, 이를 알기 위한 사전 문헌 조사나, 데이터 분석이 좀 필요했었습니다.

임중빈

Simulation 데이터와 real 데이터 간의 domain 차이를 고려하는 분석 방법론을 찾는 것이 가장 어려웠습니다. 특히, real 데이터는 각 SEM 이미지에 대응되는 depth map이 주어지지 않아서, simulation과 real 사이의 domain 변환을 시켜주는 모델의 성능을 정확하게 파악하기가 어려웠습니다. 이를 해결하는 것이 이번 대회의 주요 문제였다고 생각합니다.

일정 관리에는 큰 어려움은 없었으나, 모델 학습이 오래 걸려서 대회 종료에 임박해 떠오르는 아이디어들을 반영하기에 시간이 부족하기도 했습니다.

김종민

average_depth에 대한 해석을 하는 과정에서 명확하지 않아 혼란이 좀 있었고, 적용하는 과정이 어려웠습니다.