{
  "fetched_at": "2026-10-19T21:43:06Z",
  "source_url": "https://www.kaggle.com/competitions/2024-ml-w10p2/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## File descriptions ##\n- trainX.csv: vgg16과 PCA로 기술된 학습 데이터 (행: 각 은하계 사진의 인덱스, 열: 기술된 벡터의 각 차원)\n- testX.csv : vgg16과 PCA로 기술된 평가 데이터 (행: 각 은하계 사진의 인덱스, 열: 기술된 벡터의 각 차원)\n- trainY.csv: 학습 데이터에 해당하는 분류 정보 (Id: 각 은하계 사진의 인덱스, Category: 분류 정보 [edge, smooth, spiral])\n- submit.csv: 샘플 데이터",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "- 평가 데이터 1,500개에 대해 총 3개 종류의 은하계로 분류합니다.\n - 분류 결과는 같이 제공된 sample_submit.csv의 형식에 맞춰 제출해야하며, 소문자로 구성된 string 형식을 따라야 합니다.\n - 제출된 평가 데이터의 예측 분류 값에 대한 성능은 Categorical Accuracy로 측정됩니다.\n\n\n#### 분류 결과 예시: edge, smooth, sprial ####",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "2024학년도 1학기 기계학습 실습문제 (10주차)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "# 교과목 정보 #\n- 세종대학교 AI로봇학과 (최유경 교수)\n\n## 은하계 분류 ##\n- 은하계는 관측 후 형태에 따라 분류되어집니다. 은하계를 분류해봅시다.\n\n## 데이터 셋 설명 ##\n다음과 같이 3가지 종류의 은하계 데이터 셋이 제공됩니다.\n\n- Spiral 은하는 일반적으로 알려진 나선 형태의 은하를 의미합니다.\n- Edge 은하는 나선 은하지만 관측 방향에 의해 뾰족한 형태를 띄는 은하를 의미합니다.\n- Smooth 은하는 은하 디스크의 두께가 얇지 않고 두껍게 보이는 은하를 의미합니다.\n\n![](https://www.googleapis.com/download/storage/v1/b/kaggle-user-content/o/inbox%2F6028554%2F9942f57530990ee7c6fe74948544698a%2F.png?generation=1678164470603005&alt=media)\n\n- 학생 여러분의 편의를 위해 각 은하계 사진은 1D Feature로 가공되어 제공합니다. 지금부터 간략하게 설명할 2D 영상을 1D로 표현하기 위한 방법은 기계학습 수업의 범주를 벗어나오니 참고만 하시길 바랍니다.\n - 각 사진은 ImageNet으로 pretrained된 [VGG16](https://arxiv.org/abs/1409.1556)을 활용하여 1-Dim의 벡터로 제공됩니다. 이 벡터는 종단 두 개의 FC Layer를 통해 나온 4,096 차원의 벡터에 PCA를 사용해 64차원으로 가공되어 제공됩니다.\n\n- 학습 데이터는 총 6,000개, 평가 데이터는 총 1,500개이며 학습 데이터에 해당하는 분류 정보도 같이 제공됩니다.\n\n## 랜덤시드\n```\n#랜덤시드 고정\nimport random\nimport os\nseed = 42\nrandom.seed(seed)\nnp.random.seed(seed)\nos.environ[\"PYTHONHASHSEED\"] = str(seed)\n```\n\n## 코멘트 ##\n- 과제 진행에 어려움이 있다면, 담당 조교와 상의하세요.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}