⚠️필수사항

1. 안내 페이지 상단에 참여하기 클릭후 신청폼 완료하신 분에 한하여, 해당 대회가 참여 가능하며 리더보드 제출 이력을 인정합니다.
2. 팀으로 신청하신 분들께서는 해당 태스크 팀 탭 에서 팀 빌딩을 완료해주시기 바랍니다. (팀 병합 마감일은 4월 14일 금,18시 까지) 입니다.
3. 해당 태스크에서 참여하기를 클릭하신후 개요/데이터 탭 확인하신후 리더보드 제출이 가능합니다.(1시간 1번 제출,1시간 간격으로 재제출 가능)
4. 개인/ 팀 택 1로, 중복해서 참여 불가 

🎈 대회 주제 소개

■ 범천(주)은 ESG 가치를 담아 산업용 공기압축기를 개발하는 대덕연구개발특구 소재 기업입니다.

• 제4회 연구개발특구 AI SPARK 챌린지는 산업기기 피로도를 예측하는 문제입니다.
• 산업용 공기압축기 및 회전기기에서 모터 및 심부 온도, 진동, 노이즈 등은 기기 피로도에 영향을 주는 요소이며, 피로도 증가는 장비가 고장에 이르는 원인이 됩니다.
• 피로도 증가 시 데이터 학습을 통해 산업기기 이상 전조증상을 예측하여 기기 고장을 예방하고 그로 인한 사고를 예방하는 모델을 개발하는 것이 이번 대회의 목표입니다.

🎓모델 조건 (중요)

1. 본 대회의 모델링은 비지도학습 방식으로 진행됩니다.

2. 향후 실시간 판정에 활용될 수 있도록, 개발된 모델은 다음의 조건을 충족하여야 합니다.

• 입력된 데이터를 정상(0), 이상(1)로 구분하는 이진 분류 모델이어야 합니다.
• 시간 단위로 생성되는 입력 데이터에 대하여 판정을 수행할 수 있는 모델이어야 합니다.
• 신규 데이터로 학습/개선이 가능한 모델이어야 합니다.
• 총 8개의 대상 설비를 모델링하면서, 설비별로 별도의 모델을 학습하는 것은 허용되나 모두 동일한 아키텍처를 사용해야 합니다.
  (예: 설비 1에 사용한 모델 구조를 나머지 설비에도 사용하여야 함)
   

📌 대회 규칙 

※ 아래 내용에 대해서 동의 후 대회 참가할 수 있으며, 아래 사항이 만족 되지 않을 경우 입상이 취소될 수 있음.

1. 외부 데이터 사용 관련

• 외부 공공 데이터 사용이 가능하나, 코드 제출 시 함께 제출
• 공공 데이터 외의 외부 데이터는 법적인 제약이 없는 경우에만 사용 가능
• 외부 데이터를 크롤링할 경우, 크롤링 코드도 함께 제출

2. 팀 참가 관련

• 한 팀의 인원 제한은 최대 4명
• 제출은 반드시 팀 대표 1인의 아이디로 제출
• 팀이 수상하는 경우 팀 대표에게만 상금 지급

3. 제출 관련:

• 제출 이후 1시간 이내에는 다시 제출하실 수 없습니다.

4. 스코어 관련: Public 스코어와 Private 스코어 합산점수로 최종 순위가 결정됩니다

• Public 및 Private의 비율은 2:1
• 대회기간 중에는 Public 스코어만 리더보드 상에 표출
• 대회 종료시점 이후 Public 및 Private의 합산점수 및 그에 따른 최종 순위 공개

5. 결과 검증 관련

• 아래 결과 검증 참조

🔍 결과 검증 

• 입상 후보팀으로 선정되는 경우 아래 저작물을 제출해야 합니다.
  1. 작성 코드 : *.ipynb로 작성하고 필요한 내용에 대해 주석을 기입하여 1회 제출
     - 반드시 리더보드상의 순위 기록에 해당되는 버전의 코드/모델 가중치를 제출해야 합니다.    
     - 학습용 소스와 추론용 소스를 별도의 파일로 분리 작성(ex: train.ipynb, predict.ipynb)
     - 모델 및 소스코드에 대한 설명은 ipynb 안에 기재
     - 아키텍처를 커스텀한 경우는 반드시 모델 구조에 대한 설명을 포함해야 합니다.
  2. 모델 weight 또는 저장된 모델 : 딥러닝 계열로 weight가 파일로 저장되는 경우 저장된 weight를, 그 밖의 경우는 pickle/joblib 등의 라이브러리를 이용해 dump한 모델
  3. 작성 코드와 weight는 cs@aifactory.page 로 일괄 접수
• 입상자가 제출한 코드는 공지된 검증 기간 내 구동 및 성능에 대한 재현성 검증이 되어야 합니다.
  1. 모든 코드는 오류 없이 실행되어야 함.
  2. 소스코드 내의 모든 무작위성은 seed 설정을 통해 통제되어야 함.
  3. 별도 필요한 라이브러리가 있을 경우 소스코드 내에 설치하는 코드가 있어야 함.
  4. 원활한 코드 구동 및 성능 재현성 검증을 위해 필요한 최소한의 주석 혹은 가이드가 제공되어야 함.
• 재현성 검증은 다음 세 단계를 거쳐 이루어집니다.
  1. 재추론 검증
     • 제출된 모델에서 주어진 데이터를 이용하여 결과가 정상 생성되는지 여부를 확인할 수 있도록 재추론합니다.
     • 원칙적으로 재추론을 통해 생성된 결과는 참가자가 실제 제출한 결과와 동일해야 합니다.
  2. 재학습 검증
     • 제출된 모델이 허가된 데이터만을 사용하여 학습되었는지, 학습된 모델은 제출된 결과를 재현할 수 있는지의 여부를 재학습을 통해 검증합니다.
  3. 소스코드 분석
     • 소스코드 표절, 미허가 데이터 사용, 모델 조건 불충족 여부 등을 소스코드 분석을 통해 검증합니다.
• 재현성 검증에 문제가 발생하거나 소스코드 표절을 비롯한 규정위반이 확인되는 경우 원칙적으로 해당 결과는 무효처리됩니다.

🧪평가 방법 

• 평가 메트릭은 macro F1-Score를 사용합니다.
• Scikit-Learn에 내장된 F1-Score를 ‘macro’ 옵션으로 설정하여 평가에 사용합니다.

📨문의처

• 인공지능팩토리 ‘제4회 2023 연구개발특구 AI SPARK 챌린지 - 공기압축기 이상 판단’ 內 Q&A 에 접속 후 질문 남겨주시면, 답변드리고 있습니다.