2022 SMARCLE 1학기 Kaggle 스터디

스터디 목표

• 인공지능(딥러닝) 기초
• 데이터 분석 + 시각화 + 모델링 입문과 심화
• 파이썬 인공지능 관련 라이브러리 (numpy, pandas, sklearn, tf.keras)를 다루며 파이썬 프로그래밍 경험 늘리기 팀 활동으로 친목 도모
• preclass quiz로 스터디 참여를 높이고, 좀 더 정확한 개념을 익히기.
• kaggle comments 기능을 통해 출석체크를 진행하며, 참여자 서로 피드백 또 자신감 높이기
• 지능기전공학부 3학년 전공필수 수업 인공지능의 내용 미리 맛보기

스터디 방식

팀으로 진행하며 팀당 인원은 4~5명 플립러닝 방식으로 진행

<스터디 졸업요건>

• 의의: 스스로 캐글을 다뤄보자는 취지와 스터디를 진행하면서 최종적으로 배운 것을 활용할 수 있는 자질을 확인할 수 있다.
• 졸업 데이터셋: https://www.kaggle.com/c/porto-seguro-safe-driver-prediction
• 기한: 6/28

<공통 스터디 데이터셋>

• 감을 잘 못잡겠다면! 이 공통 데이터셋으로 주차별 주제와 맞게 공부를 하는 것을 추천한다.
• 의의: 스스로 공부할 때 해메지 않게 제공하는 것으로, 공통적인 데이터셋을 다루므로 공통된 지식을 습득할 수 있다.
• 공통 스터디 데이터셋: https://www.kaggle.com/c/titanic
• 따로 검사는 하진 않고 스스로 학습해보면서 익힘.

- 1. 스터디 시작 전
* 주차별 Theme에 맞는 Kaggle Competition을 각 팀별로 정한 뒤 알린다.(겹쳐도 됨.) 
* 팀별 Kaggle Dataset에 맞춰 개인으로 노트북을 만든 후 GitHub에 개인스터디자료 폴더에 제출한다.
* 팀 별 코드 리뷰를 거쳐 발표용 노트북을 팀당 하나 만든 후 발표 전날까지 GitHub 스터디자료 폴더에 제출한다.
* 프리클래스 퀴즈를 팀당 두 문제 만든 후 전날까지 운영진(노지민)에게 개인톡으로 제춣한다.

- 2. 스터디 진행
* 발표 전 각 팀이 준비한 프리클래스 풀기
* 모든 팀이 발표용 노트북을 공유한다.
* 각 팀별로 15분씩 발표하기.

- 3. 스터디 종료 후
* 각 팀에서 다른 팀별로 분배해서 노트북에 comments 달기.
ex) 1팀은 2팀, 3팀은  4팀 끼리 서로 comments 교환 (매 주차 랜덤으로) 
(1팀 abcd와 2팀 ㄱㄴㄷㄹ 가 있을 때, a-ㄱ, b-ㄴ, c-ㄷ,d -ㄹ 이런식으로)
* comments는 감명 깊었거나, 새롭게 배운 사실이나, 모르겠는 점에 관해서 하나 달고, 이를 복사하거나 캡쳐해서 팀장에게 건네준다. 그리고 팀장은 전부 확인하고, 안한 사람이 있다면 이를 운영진에게 전달. (기한: 발표 다음날까지)

스터디 계획

• 총 5회 진행 (처음은 ot이므로 실질적 스터디 진행은 4회)
• 대상: 베이스 프로그램 -> 2-3학년 전부 필참
• 경고: 노트북 미제출시, 불성실하게 활동, 결석 누적

<진행 과정>

회차	날짜	내용	다시보기
0	3/17	OT -> 스터디 설명	O.T
1	3/29	EDA + 전처리 -> pandas, numpy, sklean, keras, tensorflow...	1회차
2	5/3	시각화 -> 1 + matplotlib, seaborn...	2회차
3	5/17	모델링 -> 1~2 + 머신러닝 or 딥러닝	3회차
4	5/31	모델링 -> 1~3 + 머신러닝 or 딥러닝	4회차

• 1~2회차까지는 자유 주제로 각 팀별로 데이터 셋을 준비
• 3~4회차는 미리 사전에 카테고리를 투표하고 주어진 데이터 셋을 제공 후, 선정해서 준비

팀

1팀	2팀	3팀	4팀
21 노지민	21 정유찬	21 김용현	21 유혁재
18 김범주	19 이용빈	19 최원서	19 김병주
21 김민솔	20 김지은	20 강인영	21 송지원
21 김수환	21 전주혁	19 강민수	21 유지원
19 이재표	21 유정수		19 한규탁

참조

• 모두의 딥러닝 -> PDF로 제공
• 데이터 주무르기 -> PDF로 제공
• 나도코딩 데이터 분석
• 통합 가이드라인
• 데이터 전처리
• 데이터 분석 개념
• 혼자 공부하는 머신러닝+딥러닝