BDAI 정규반 재지원 예측 모델링 공모전: 어떤 학회원이 다시 BDAI를 선택할까?

BDAI에서는 LMS를 통해 정규반 학습, 과제 수행, 행사·공모전 참여 등 다양한 학회원 활동 데이터를 축적하고 있습니다.

이번 공모전은 이러한 실제 학회원 활동 데이터를 활용하여 과거 정규반 참여자의 다음 기수 재지원 가능성을 예측하는 데이터 분석·머신러닝 모델링 공모전입니다.

참가자는 12기 정규 학회원의 LMS 이용 행동, 학습 및 수료 활동, 행사·공모전 참여 경험 등을 분석하고, 이를 기반으로 13기 정규반 재지원 확률을 예측하는 모델을 개발합니다.

단순히 활동량이 많은 사용자와 적은 사용자를 구분하는 것을 넘어, “어떤 학습 경험과 행동 패턴을 보인 학회원이 다음 기수에도 BDAI를 다시 선택하는가?” 를 데이터 기반으로 탐색하는 것이 본 공모전의 핵심 목표입니다.

이를 통해 참가자는 실제 서비스 데이터를 활용한 데이터 분석 및 머신러닝 모델링 경험을 쌓고, BDAI는 향후 학회원 리텐션 개선, CRM 타겟팅 및 LMS 운영 고도화에 활용할 수 있는 데이터 기반 인사이트를 확보하고자 합니다.

BDAI 정규반 재지원 예측 모델링 공모전: 어떤 학회원이 다시 BDAI를 선택할까?

12기 정규 학회원의 LMS 활동 및 학회 참여 데이터를 기반으로 13기 정규반 재지원 확률을 예측합니다.

공모전 주제인 「BDAI 정규반 재지원 예측 모델링 공모전」을 기반으로 문제를 어떻게 정의할지, 어떤 Feature를 생성할지, 어떤 머신러닝 모델을 사용할지 등을 자유롭게 설계할 수 있습니다.

참가자는 제공되는 회원·정규반 정보, 학습 및 수료 데이터, LMS 활동 로그, 행사·공모전 참여 데이터 등을 활용하여 학회원별 재지원 확률을 예측하는 이진 분류 모델을 개발합니다. 예측 대상은 13기 정규반 최종 지원 여부이며, 지원한 경우 1, 미지원한 경우 0으로 정의합니다. 제출하는 예측값은 0 또는 1의 분류값이 아닌, 0 이상 1 이하의 재지원 확률입니다.

단순한 예측 성능뿐 아니라 다음과 같은 부분도 함께 평가합니다.

• 어떤 Feature가 재지원 예측에 중요한 역할을 하는지
• LMS·학습·행사 데이터를 어떻게 결합하였는지
• 어떤 행동 특성을 가진 학회원의 재지원 가능성이 높은지
• 분석 결과를 BDAI CRM, 리텐션 및 LMS 운영에 어떻게 활용할 수 있는지

참가자는 자유롭게 Feature Engineering 및 모델링 방법을 설계하여 Test Dataset의 학회원별 재지원 확률을 예측하면 됩니다.

• BDAI LMS 전체 회원
• 데이터 분석 및 머신러닝에 관심 있는 참가자라면 누구나
• 개인 또는 팀 단위 참가 가능(팀 구성 시 최대 3명)

데이터 분석 및 머신러닝 경험 수준에는 제한이 없으며, 제공되는 Baseline 코드를 활용하여 공모전에 참여할 수 있습니다.

BDAI

공모전 관련 문의사항은 LMS 내 커뮤니티 게시판을 활용하여 문의해 주시기 바랍니다.

데이터 구조, 제출 방식, 공모전 운영 규칙 등에 관한 질문 역시 동일한 채널을 통해 문의할 수 있습니다.