{
  "fetched_at": "2026-10-19T10:00:17Z",
  "source_url": "https://www.kaggle.com/competitions/3-aikuthon/data",
  "pages": [
    {
      "name": "data-description",
      "content": "# Dataset 개요\n\n이 데이터는 한국 노래에 대한 각종 정보를 담고 있습니다. 목표는 이 정보를 바탕으로 노래의 장르를 예측하는 것입니다.\n\n```bash\n기간 : 1967년 5월 1일 ~ 2023년 2월 6일\n```\n\n# Data 세부 사항\n\n## data/train.csv\n\n- row : 총 127960곡에 대한 정보를 담고 있습니다.\n- column : [’id’, ‘song_name’, ‘adults’, ‘artist’, ‘album_id’, ‘date’, ‘genre’, ‘lyrics’]의 총 8가지 feature를 포함합니다.\n    - genre의 mapping table은 genre.csv에 포함되어 있으며, 총 52개의 genre로 구성되어 있습니다.\n- 주어진 정보를 효과적으로 활용해 ‘genre’를 예측하는 모델을 만들어 보세요!\n\n## data/test.csv\n\n- row : 총 10500곡에 대한 정보를 담고 있습니다.\n- column : ‘genre’을 제외한 [’id’, ‘song_name’, ‘adults’, ‘artist’, ‘album_id’, ‘date’, ‘lyrics’]의 총 7가지 feature를 포함합니다.\n- 만든 모델로 ‘genre’에 대한 예측을 만들어 보세요!\n- genre는 {'발라드': 0, '록/메탈': 1, '댄스': 2, 'POP': 4,'R&B/Soul': 5, '랩/힙합': 7, '성인가요/트로트': 16} 총 7개로 구성됩니다.\n\n# Data 제출 방법\n\n- sample_submission.csv와 같이 곡의 ‘id’에 대해 예측한 ‘genre’을 묶어서 제출하면 됩니다.\n- 얼마나 정답을 맞췄는지 Accuracy로 평가됩니다.\n    - Kaggle에는 Public / Private 리더보드가 구분되어 있습니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "#소개\n\nAIKU 학회원 여러분, 안녕하세요. 제 3회 AIKUTHON에 참여하신 것을 환영합니다 🎉\n\n학회원 여러분들이 지난 기간 동안 여러 학회 활동 (DeepIntoDeep, Seminar, Study)을 거치면서 다양한 분야의 딥러닝 이론을 배우셨을 것이라고 생각합니다. 특히, 이번 D2D의 경우 이전보다 더 많고, 양질의 PyTorch 과제를 통해 딥러닝 코딩 실력 증진에 큰 힘을 기울였습니다. 이제 실전에서 “직접 경험\"할 차례입니다. **밤새도록요!**\n\n제공된 Dataset을 바탕으로 특정 taks를 수행하면서 여러분은\n1. 딥러닝 모델을 훈련하고 평가하는 파이프라인을 전반적으로 이해하고, \n2. 대표적인 딥러닝 프레임워크인 PyTorch에 대한 숙련도를 향상시킬 것이고,\n3. 또한 그 과정에서 발생하는 여러 오류를 처리하면서 더욱 견고한 모델을 완성하실 수 있을 것입니다.\n\nKaggle에서는 Google Colab처럼 Jupyter Notebook 환경을 제공하며, 이를 통해 데이터를 편리하게 불러오고 GPU를 활용할 수 있습니다. 또한 Kaggle에서는 결과물을 `csv` 파일로 제출해야 한다는 점에 유의해주세요. `csv` 파일을 어떻게 구성해서 제출해야 할지는 Evaluation 탭이나 baseline 코드를 참고해 주시길 바랍니다.\n\n결과물은 최대 20회까지 제출할 수 있습니다. Kaggle 측에서 성능 측정이 완료되면 Leaderboard에서 자신의 성능과 순위를 확인할 수 있습니다. 최종 순위는 모델 성능과 속도, 대면 발표를 바탕으로 결정되며 상위 3팀에게 시상이 이뤄질 예정입니다.\n\nKaggle과 같은 해커톤은 평소에 쉽게 경험하기 힘든 몰입과 경쟁을 요구합니다. 제 3회 AIKUTHON은 오프라인으로 진행되는 만큼 몰입의 열기를 현장에서 직접 느낄 수 있으실겁니다. 이번 대회를 통해 여러분 모두 미래를 위한 유익한 경험을 하셨으면 좋겠습니다. **건투를 빕니다!** 👍\n\n#대상\n\n- AIKU 2기 주니어 (총 14명) + 1기 시니어 희망자 (총 n명)\n- 평가 위원 및 대회 운영진은 형평성에 따라 대상에서 제외됩니다.\n\n#주최 및 후원사\n\n- 고려대학교 딥러닝 학회 AIKU\n- NAVER D2 (대관 및 상금)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Timeline",
      "content": "본 대회는 한국 시각 (KST) 을 기준으로 다음과 같이 진행됩니다.\n\n1. 2023.08.25 (금) 11:30 ~ 12:00 - 개회식 (참여 인원 확인, 대회 안내)\n2. 2023.08.25 (금) 12:00 - 대회 시작 (데이터셋과 태스크 공개, 제출란 활성화)\n3. 2023.08.26 (토) 08:00 - 대회 종료 (**제출란 비활성화, 발표 자료와 노트북 파일 제출 마감**)\n4. 2023.08.26 (토) 08:00 ~ 09:30 - 팀별 발표, 평가, 폐회식 (시상)\n\n※ 평가 및 시상은 대회 유효 기간에 업로드 (대회 시작 시각과 종료 시각 사이에 제출) 한 제출물에 한해서 이뤄집니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- 사용 언어: Python\n- 최대 20회 제출 가능\n- 외부 데이터 **사용 불가**\n- 앙상블 기법 **활용 불가**\n- 사용에 문제 없는 (누구나 사용 가능한) 사전 학습 모델 (pre-trained model) 사용 가능\n- 모델 학습 과정에서 테스트셋 활용 시 실격 처리 (Data leakage problem)\n- 코드 표절 검사 진행 (인터넷 상에 공개된 코드를 지나치게 베끼거나 팀끼리 코드를 공유할 경우 실격 처리)\n- Kaggle에 제출하는 노트북은 Inference 파트만 포함되어야 합니다. 노트북에 Training code가 포함되어 발생하는 불이익에 대한 책임은 해당 팀에게 있습니다.\n- Discussion 탭은 대회 안내 혹은 질의 응답 용도로 사용됩니다. 해당 탭을 활용한 팀 간의 코드 내지 의견 공유는 허용하지 않습니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Prize",
      "content": "대회가 종료된 후에 **평가 기준 상 가장 우수한 3팀**에게 **총 상금 14만원**을 시상할 예정입니다.\n\n#평가 방식\n\n- 모델 성능 (Private score in Leaderboard) - 80%\n- 모델 이해도 & 한계 분석 - 15%\n- 팀원 역할 분배도 - 5%\n- 모델 속도 - Inference 시간이 15분 초과시, 15분당 1점 감점\n- 동점자가 발생할 경우 제출한 순서대로 순위 부여\n\n#시상 부문\n\n- 1등: 8만원\n- 2등: 4만원\n- 3등: 2만원",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Contact",
      "content": "대회 기간 동안 문의 사항이 발생할 경우 아래 FAQs에 유사한 질문이 존재하는지 확인한 뒤 대회 운영진을 찾아주시기 바랍니다.\n\n**Frequently Asked Questions (FAQs)**\n> Q. GPU는 어떤 것을 사용하면 되나요?\nA. Colab, Kaggle, AWS, GCP, TPU 등 개인이 편한 환경에서 학습 하시면 됩니다. \n<br>\n> Q. 데이터에 전처리를 해도 되나요?\nA. 주어진 데이터를 사용하는 방식은 자유입니다.\n<br>\n> Q. 발표 자료는 어디로 제출해야 할까요?\nA. 발표 자료는 노션의 \"AIKU > 4 행사 > AIKUTHON > 제 3회 AIKUTHON\"의 대회 결과 부분에 올려주시면 됩니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Task",
      "content": "**주어진 노래 정보를 바탕으로 ‘장르’를 예측하는 과제입니다.**\n\ntrain.csv에는 다양한 정보가 담겨 있습니다. 주어진 정보를 바탕으로 노래의 장르를 예측하는 모델을 만들어 보세요!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}