Q1. 팀으로 참가해야 하나요?
아닙니다. 개인 또는 팀 모두 참가할 수 있습니다. 팀으로 참가하는 경우 최대 3명까지 구성할 수 있으며, 팀원 모두 개별적으로 참가 신청서를 제출해야 합니다.
Q2. 데이터 분석이나 머신러닝 경험이 많지 않아도 참가할 수 있나요?
네. 데이터 분석 및 머신러닝에 관심 있는 BDAI LMS 회원이라면 누구나 참여할 수 있습니다. 공모전 시작일에 기본적인 데이터 전처리 및 모델링 과정을 확인할 수 있는 Baseline 코드가 제공될 예정입니다.
Q3. 어떤 데이터를 제공하나요?
12기 정규 학회원의 활동을 분석할 수 있도록 다음과 같은 데이터가 제공될 예정입니다.
- 학회원 및 정규반 기본 정보
- 학습 및 수료 데이터
- LMS 활동 로그
- 페이지 유형별 이용 데이터
- 행사·공모전 참여 데이터
- 주차별 활동 데이터
모든 데이터는 개인정보를 제거하고 익명화한 형태로 제공됩니다.
Q4. 어떤 모델을 사용해야 하나요?
지정된 모델은 없습니다. Logistic Regression, Random Forest, XGBoost, LightGBM 등 다양한 머신러닝 모델을 사용할 수 있으며, 필요에 따라 여러 모델을 결합한 Ensemble 방법도 사용할 수 있습니다. 모델 자체뿐 아니라 Feature Engineering, 검증 방법 및 결과 해석 과정 역시 평가에 포함됩니다.
Q5. Baseline 코드를 반드시 사용해야 하나요?
아닙니다. Baseline 코드는 공모전 진행을 돕기 위한 참고 자료이며, 참가자는 Baseline을 수정하거나 완전히 다른 방식으로 분석 및 모델링을 진행할 수 있습니다.
Q6. 생성형 AI를 사용할 수 있나요?
참고 및 작업 보조 목적으로 사용할 수 있습니다. 다만 생성형 AI가 만들어낸 분석, 코드, 보고서 등을 별도의 검토나 가공 없이 그대로 제출하는 것은 허용되지 않습니다. 최종 결과물에는 참가자의 분석 과정과 판단이 충분히 드러나야 합니다.
Q7. 외부 데이터를 추가로 사용할 수 있나요?
공개되어 있으며 적법하게 활용할 수 있는 외부 데이터의 경우 사용할 수 있습니다. 단, 활용한 데이터의 출처와 활용 방법을 분석 보고서에 명확하게 기재해야 합니다.
Q8. 최종적으로 무엇을 제출해야 하나요?
다음 세 가지 자료를 필수로 제출해야 합니다.
필수 제출 자료
1. 예측 결과 파일: 학회원별 재지원 확률을 담은 예측 결과 파일
예측 결과 파일은 user_id와 prediction 컬럼으로 구성합니다.
2. 분석 보고서: 분석 목표, 전처리, 변수 설계, 모델 선정, 학습·검증 방법, 성능, 결과 해석 및 활용 방안을 포함한 PDF 파일
3. 분석 코드: 분석 및 모델링 과정을 재현할 수 있는 .ipynb 또는 .py 코드
선택 제출 자료
추가 시각화, 분석 대시보드, 모델 설명 자료, 사용자 세그먼트 분석, 학회원 소통 및 재지원 유도 전략 등을 함께 제출할 수 있습니다.
Q9. 모델 성능만 높으면 수상할 수 있나요?
최종 평가는 모델 성능만으로 결정되지 않습니다. 예측 모델 성능과 함께 Feature Engineering, 분석 방법, 결과 해석, 실제 운영 활용 가능성, 결과물의 완성도 및 재현성을 종합적으로 평가합니다.
Q10. 팀원끼리 역할을 나누어 진행해도 되나요?
네. 데이터 분석, 모델링, Feature Engineering, 시각화, 보고서 작성 등 역할을 자유롭게 나누어 진행할 수 있습니다. 다만 최종 제출물은 하나의 일관된 분석 결과로 구성되어야 합니다.
Q11. 공모전 관련 질문은 어디에서 할 수 있나요?
공모전 진행 과정에서 발생하는 질문은 LMS 내 커뮤니티 게시판을 이용해 주세요. 동일한 질문이 반복될 경우 공지 또는 FAQ에 답변이 추가될 수 있습니다.
