일러두기 : 모든 프로젝트 운영 정책은 [Stanford CS230 project]를 본보기삼아 구성하였음.

프로젝트 목적 : 문제 발굴, 방법론의 구현, 적용, 협업을 체험해봄으로써 딥러닝의 강점과 실무적 어려움을 체득

프로젝트 범위

• 데이터셋 제한 : 데이터셋에 image를 반드시 포함할 것

  • Default datasets (데이터셋 선택이 고민되면 다음을 고려하여 보십시오. 모두 Industrial AI 관련 데이터셋들입니다.)

    • [NEU surface defect database] [PCB tiny defect detection] [Kolektor surface-defect dataset] [MVTec datasets]

• 프로젝트 분야의 선택, 데이터 찾는 방법에 대한 구체적인 팁은 [Stanford CS224n Lecture 9 (특히 슬라이드 15쪽-45쪽)] 참고

  • 기 존재하는 Data competition website (e.g. Kaggle, DACON, UCI machine learning repository, ...)들의 데이터셋을 사용하면 전처리의 부담을 줄일 수 있음. 단, 각 웹사이트에 이미 존재하는 분석보고서(커널)과 비교하여 반드시 차별점이 존재하여야 합니다.

• 예시 프로젝트들 (링크)

  • Andrew Ng's Stanford CS230 Lecture 1 (19쪽-26쪽 참조)

  • Andrew Ng's Stanford CS230 Past projects

  • Stanford CS224n (DL for Natural Language Processing) Past projects

  • 2019 빅콘테스트 심사 후기 (by NCSoft 데이터분석팀)

팀 구성

• 팀 구성 결과 및 팀플 실무에 대한 주관적인 조언들은 [Google Docs]에 업데이트 하겠습니다.

  • 3인 1팀을 원칙으로 하나 2인 1팀도 존재할 수 있음

  • 수강포기기간 후 1명만 남은 조는 다른 조로 편입

프로포절 제출 --- Deadline: 6주차 화 [4/21] 4:30pm, Snowboard 제출

• 양식 : A4 1장 분량의 줄글, 팀 이름

• 내용 : 다음을 포함할 것 (출처 : [Stanford CS230 project]의 'Proposal' 탭)

(부과하는 의도는 여러분이 수행하는 프로젝트의 크기와 어려움을 빨리 파악하게 하고 저와 피드백을 주고받는 데 있습니다. 여러분이 아래 물음에 성의있게 대답코자 노력하였고, 합리적인 ---너무 적거나 과하지 않은--- 수행계획을 가지고 있다면 충분합니다.)

What is the problem that you will be investigating? Why is it interesting?

What are the challenges of this project?

What dataset are you using? How do you plan to collect it?

What method or algorithm are you proposing? If there are existing implementations, will you use them and how? How do you plan to improve or modify such implementations?

What reading will you examine to provide context and background? If relevant, what papers do you refer to?

How will you evaluate your results? Qualitatively, what kind of results do you expect (e.g. plots or figures)? Quantitatively, what kind of analysis will you use to evaluate and/or compare your results (e.g. what performance metrics or statistical tests)?

Weekly goals and plans

• 6주차 Office hour : 팀별 교강사 대화 및 피드백

마일스톤(중간결과) 포스터, 코드 제출 --- Deadline: 10주차 금 [5/22] 12:00pm (정오), Snowboard 제출

• 제출물 : 포스터, 코드, 회의록 (최종 제출때의 양식과 동일한 양식 사용)

• 내용 : 최종제출물의 '서투른 초안' 형태. 예를 들어, (출처 : [Stanford CS230 project]의 'Milestone' 탭)

  • Title, Authors

  • Introduction: this section introduces your project, why it’s important or interesting.

  • Make sure to submit your code (a link for google colab notebook).

  • Details on the dataset

  • Approach: Describe the current steps you have done. If you are implementing an algorithm, you should have started implementation and ideally have some early stage results. Describe precisely the remaining work you expect to complete. We ideally would like to see a model description and a training strategy (loss function for instance).

  • 한국어/영어 중 택1

  • 최소조건 1 : 위 내용이 담긴 포스터를 제출할 것

  • 최소조건 2 : Google Colab Notebook에는 적어도 2개의 모델 (혹은 신경망 구조)에 대한 훈련과 성능평가가 존재할 것

  • 최소조건 3 : 6-10주차 회의록이 존재할 것 (7,8주차는 중간고사 기간이므로 대충 적혀있어도 OK)

최종 결과물: 포스터, 발표, 코드 --- 포스터와 코드는 13주차 일 (6월 7일) 11:59pm까지 Snowboard 제출

• 포스터

  • 포스터 양식: [샘플 다운로드] 후 편집하여 사용하세요.

  • 포스터 내용 : 다음 섹션(혹은 유사한 내용)을 포함할 것 (출처 : [Stanford CS230 project guidelines])

    • Title : Your project title

    • Team : Include your names and student emails, {yourname, yourfriendsname, vangough}@sm.ac,kr

    • Predicting : Briefly explain the motivation for your topic, what you built, and the results. It’s easier to think of this as a quick summary of the inputs and outputs. (5 sentences max)

    • Data : Exactly where did your data come from and what does your contain? (ie. What are in the rows and columns? Are examples labeled with ground truth? If you have images, are they color, normalized, etc?) (2-3 sentences max)

    • Features : How many features do you have and which features are the raw input data (ex. color, weight, location, etc) vs. features you have derived (ex. ICA, Gaussian Kernel)? Why they are appropriate for this task? (3-4 sentences max)

    • Models : Exactly which model(s) are you using? Write out the basic math formulas and clearly note any modifications or additions. If you have more than one model, make subsections for each. (3-4 sentences max)

    • Results : Make a compact table of results. Each row should be a different model. The columns should be the training error and the test error. List how many samples are in each of the training and testing data sets. Obviously, these sets should be different. (1-2 sentences max + 1 table max)

    • Discussion : This is where you share your thoughts about your project. (Hopefully you have a few interesting interpretations!) Briefly summarized what just happened. Briefly explain whether or not you expected your results. If your results were good, explain why. If they were not good, explain why. (6 sentences max)

    • Future : If you had another 6 months to work on this, what would you do first? (2-3 sentences max)

    • References : 자유 형식. IEEE style is fine

  • *** 오프라인 공유 예정 : 인쇄하여 몇주간 통계학과 복도에 비치)

  • *** 수강생간 온라인 공유 예정 : 교강사가 슬랙 혹은 스노우보드에 공유

• 발표 (13주차 목 예정, 조정/연장 가능성 있음)

  • 포스터 옆에서 포스터 내용의 설명 및 질문답변

• 코드

  • .ipynb (ipython notebook) 형식

  • 설명충실성과 재현가능성을 평가함 : 각 코드의 기능 설명이 존재하여야 하며, 주요 분석결과(전처리, 훈련, 표/그림)를 재현할 수 있어야 함.

• 지식과 노하우의 축적을 위하여, 과제 결과물은 차년도 수강생들에게 이메일로 배포됩니다.

  • 우수 과제물은 제출자들의 동의 하에 온라인 업로드를 추진합니다. (타 대학 포스터처럼) --- 특히 대학원 진학시 제 추천서가 필요하면 업로드를 원칙으로 합니다.

세부 평가방법 : 교수 평가 20점 + 팀간 평가 10점 + 팀내 평가 10점

• 교수 평가 및 팀간 평가 : 포스터/발표/코드의 우수성 평가

• 팀내 평가 : 팀 멤버간 팀내 기여도 평가

• *** 팀내 평가의 익명성 보호를 위하여 최종 점수 (40점 만점)만 공개하며 세부내역은 공개하지 않음

• 중간과제 범위 : 6주차 토요일 (4월 25일) 기준 OneNote self-check에 적시된 문항들을 서술형으로 풀이

  • 표준적인 용지 (e.g. A4, B5, 공책, ...)에 수기작성, 코딩이 필요한 부분은 "코딩"을 명시하겠음

  • 미리 시작하길 권장합니다.

• 데드라인 : 8주차 토요일 (5월 9일) 23:59

  • Snowboard 온라인 제출 : 수기작성 파트는 스캔 필요 (PDF)

  • Delay not accepted (1일 초과시 25%씩 차감) -- Done is better than perfect!

• 평가 비중 재조정 : 시험 50점 --> 중간과제 25점, 기말고사 25점

• Academic integrity : 따로 감시하지 않아도 정직하고 옳은 일을 하십시오.

  • 온/오프라인에서의 수강생간의 토의, 힌트, 풀이방향 공유는 여전히 장려됩니다 (학습의 중요한 일부분이니까요, slack 상의 질문답변은 계속 가산점이 부여되고 있습니다)

  • 그러나 정답을 직접적으로 교환하지 마십시오.

  • 답안은 각자 작성합니다.

  • 타 수강생의 답을 베낀 경우 시험 부정행위로 간주합니다.