{
  "fetched_at": "2026-10-20T03:49:02Z",
  "source_url": "https://www.kaggle.com/competitions/ax-degree-summer-camp-mission-1/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## Files and Columns 📁\n\n이 챌린지를 위해 제공되는 데이터셋은 다음과 같은 파일들로 구성되어 있습니다.\n\n### [필수] 챌린지 참여를 위해 반드시 필요한 데이터 ⭐\n**필수 데이터만 분석할 수 있어도 챌린지 참여가 가능합니다.**\n\n1. **games_train.csv** 🏋️‍♂️ - 과거 국제 스포츠 대회 데이터를 포함한 학습용 데이터셋\n   • `year` - 대회 개최 연도\n   • `event_type` - 대회 유형\n   • `host_country` - 개최국\n   • `host_city` - 개최 도시\n   • `athletes` - 참가 선수 수\n   • `teams` - 참가 팀 수\n   • `competitions` - 경기 수\n   • `country` - 참가국 이름\n   • `team_code` - 팀 코드\n   • `performance_score` - 획득한 성과 점수\n\n2. **games_test.csv** 🔮 - 미래 국제 스포츠 대회 예측을 위한 테스트 데이터셋\n   • `year` - 대회 개최 연도\n   • `event_type` - 대회 유형\n   • `host_country` - 개최국\n   • `host_city` - 개최 도시\n   • `athletes` - 참가 선수 수\n   • `teams` - 참가 팀 수\n   • `competitions` - 경기 수\n   • `country` - 참가국 이름\n   • `team_code` - 팀 코드\n\n3. **sample_submission.csv** 📝 - 제출 양식 샘플 파일\n   • `team_code` - 팀 코드\n   • `performance_score` - 예측한 성과 점수\n\n### [선택] 문제 해결에 도움이 되는 데이터 🔍\n\n4. **country_codes.csv** 🏳️ - 참가국의 국가 코드 정보\n   • `team_code` - 팀 코드\n   • `country` - 국가 이름\n\n5. **country_continents.csv** 🌎 - 참가국의 대륙 정보\n   • `name` - 국가 이름\n   • `alpha-2` - ISO 3166-1 alpha-2 국가 코드\n   • `alpha-3` - ISO 3166-1 alpha-3 국가 코드\n   • `country-code` - ISO 3166-1 숫자 국가 코드\n   • `iso_3166-2` - ISO 3166-2 국가 코드\n   • `region` - 대륙\n   • `sub-region` - 하위 지역\n   • `intermediate-region` - 중간 지역\n   • `region-code` - 대륙 코드\n   • `sub-region-code` - 하위 지역 코드\n   • `intermediate-region-code` - 중간 지역 코드\n   • `team_code` - 팀 코드\n\n6. **country_gdp_per_capita.csv** 💰 - 참가국의 1인당 GDP 정보\n   • `Country Name` - 국가 이름\n   • `Code` - 국가 코드(alpha-3)\n   • `1960`-`2020` - 각 연도별 1인당 GDP 값\n\n7. **country_gdp_ppp.csv** 💼 - 참가국의 구매력 평가 기준 GDP 정보\n   • `Country Name` - 국가 이름\n   • `Code` - 국가 코드(alpha-3)\n   • `1960`-`2020` - 각 연도별 구매력 평가 기준 GDP 값\n\n8. **country_gdp.csv** 📈 - 참가국의 GDP 정보\n   • `Country Name` - 국가 이름\n   • `Code` - 국가 코드(alpha-3)\n   • `1960`-`2020` - 각 연도별 GDP 값\n\n9. **country_indicators.csv** 📊 - 참가국의 다양한 경제, 사회, 인구통계학적 지표\n   • `Country` - 국가 이름\n   • `Density (P/Km2)` - 인구 밀도\n   • `Abbreviation` - 국가 약자(alpha-2)\n   • `Agricultural Land( %)` - 농업 용지 비율\n   • `Land Area(Km2)` - 국토 면적\n   • `Armed Forces size` - 군대 규모\n   • `Birth Rate` - 출생률\n   • `Calling Code` - 국제 전화 코드\n   • `Capital/Major City` - 수도/주요 도시\n   • `Co2-Emissions` - CO2 배출량\n   • `CPI` - 소비자 물가 지수\n   • `CPI Change (%)` - 소비자 물가 지수 변화율\n   • `Currency-Code` - 통화 코드\n   • `Fertility Rate` - 출산율\n   • `Forested Area (%)` - 산림 면적 비율\n   • `Gasoline Price` - 휘발유 가격\n   • `GDP` - 국내 총생산\n   • `Gross primary education enrollment (%)` - 초등 교육 총 등록률\n   • `Gross tertiary education enrollment (%)` - 고등 교육 총 등록률\n   • `Infant mortality` - 영아 사망률\n   • `Largest city` - 최대 도시\n   • `Life expectancy` - 기대 수명\n   • `Maternal mortality ratio` - 모성 사망비\n   • `Minimum wage` - 최저 임금\n   • `Official language` - 공식 언어\n   • `Out of pocket health expenditure` - 본인 부담 의료비 지출\n   • `Physicians per thousand` - 1000명당 의사 수\n   • `Population` - 인구\n   • `Population: Labor force participation (%)` - 노동력 참여율\n   • `Tax revenue (%)` - 조세 수입 비율\n   • `Total tax rate` - 총 조세율\n   • `Unemployment rate` - 실업률\n   • `Urban_population` - 도시 인구\n   • `Latitude` - 위도\n   • `Longitude` - 경도\n\n10. **country_population.csv** 👥 - 참가국의 인구 정보\n    • `Country Name` - 국가 이름\n    • `Code` - 국가 코드(alpha-3)\n    • `1960`-`2023` - 각 연도별 인구 수\n\n## 조인(Join)을 위한 키 컬럼 정보 🔗\n\n데이터셋 간 조인을 위해 사용할 수 있는 주요 키 컬럼은 다음과 같습니다:\n\n1. `team_code` (팀 코드):\n   - games_train.csv\n   - games_test.csv\n   - country_codes.csv\n   - country_continents.csv\n   - sample_submission.csv\n\n2. `country` / `Country Name` / `name`:\n   - games_train.csv\n   - games_test.csv\n   - country_codes.csv\n   - country_continents.csv\n   - country_gdp_per_capita.csv\n   - country_gdp_ppp.csv\n   - country_gdp.csv\n   - country_indicators.csv\n   - country_population.csv\n\n3. `Code` (alpha-3 국가 코드):\n   - country_gdp_per_capita.csv\n   - country_gdp_ppp.csv\n   - country_gdp.csv\n   - country_population.csv\n\n4. `year`:\n   - games_train.csv\n   - games_test.csv\n   - (GDP 및 인구 데이터의 연도별 컬럼과 매칭 가능)\n\n## 예측 대상 🎯\n\n- 참가자들은 미래 국제 스포츠 대회에서 각 팀이 달성할 성과 점수를 예측해야 합니다.\n- 성과 점수는 팀의 종합적인 경기 성적을 나타냅니다.\n- 최종 결과는 실제 대회 결과를 바탕으로 평가합니다.\n\n## 주요 약어 설명 📚\n\n• GDP - Gross Domestic Product (국내 총생산)\n• PPP - Purchasing Power Parity (구매력 평가 지수)\n• CPI - Consumer Price Index (소비자 물가 지수)\n\n## 데이터 활용 팁 💡\n\n1. 시계열 분석: GDP, 인구 등의 연도별 데이터를 활용하여 국가의 경제력 변화와 스포츠 성과의 관계를 분석해보세요.\n2. 지리적 요인: 대륙, 지역 정보를 활용하여 지리적 위치가 스포츠 성과에 미치는 영향을 탐구해보세요.\n3. 사회경제적 지표: 교육 등록률, 기대 수명 등의 지표가 스포츠 성과와 어떤 관련이 있는지 살펴보세요.\n4. 과거 대회 데이터: games_train.csv를 활용하여 팀별 스포츠 성과의 추세를 파악해보세요.\n5. 특성 공학: 여러 데이터셋을 결합하여 새로운 특성을 만들어보세요. 예를 들어, GDP 대비 스포츠 투자 비율 등을 계산해볼 수 있습니다.\n6. 머신러닝 모델 적용: 다양한 머신러닝 알고리즘을 활용하여 성과 예측 모델을 개발해보세요.\n7. 통계적 기법 활용: 상관 분석, 회귀 분석 등의 통계적 기법을 적용하여 성과에 영향을 미치는 주요 요인을 파악해보세요.\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "## 🎯 목표\n참가자들의 주요 목표는 2024 파리 올림픽에서 각 국가의 총 성과를 가능한 한 정확하게 예측하는 것입니다. 이를 위해 과거 경기 데이터, 경제 지표, 인구통계 정보 등 다양한 데이터를 분석하고 활용해야 합니다.\n\n## 📊 데이터셋 설명\n이 챌린지를 위해 제공되는 데이터셋은 다음과 같은 파일들로 구성되어 있습니다:\n\n### 필수 분석 데이터셋\n1. 🔮 `games_test.csv`: 미래 대회 예측을 위한 테스트 데이터셋\n2. 📚 `games_train.csv`: 과거 대회 데이터를 포함한 학습용 데이터셋\n3. 📝 `sample_submission.csv`: 제출 양식 샘플 파일\n\n### 보조 분석 데이터셋\n1. 🏅 `country_codes.csv`: 참가국의 국가 코드 정보\n2. 🌍 `country_continents.csv`: 참가국의 대륙 정보\n3. 💰 `country_gdp_per_capita.csv`: 참가국의 1인당 GDP 정보\n4. 💵 `country_gdp_ppp.csv`: 참가국의 구매력 평가 기준 GDP 정보\n5. 📈 `country_gdp.csv`: 참가국의 GDP 정보\n6. 📊 `country_indicators.csv`: 참가국의 다양한 경제, 사회, 인구통계학적 지표\n7. 👥 `country_population.csv`: 참가국의 인구 정보\n\n\n각 파일에 대한 자세한 설명은 챌린지 페이지의 'Data' 섹션에서 확인할 수 있습니다.\n\n## 🧮 평가 방법\n제출된 예측은 실제 대회 결과와 비교하여 평가됩니다. 평가 지표로는 Mean Squared Error (MSE)가 사용됩니다. 즉, 예측값과 실제값 사이의 차이가 작을수록 높은 점수를 받게 됩니다.\n\n## 💡 분석 힌트\n1. ⏳ **시계열 분석**: 팀과 선수들의 성과가 시간에 따라 어떻게 변화하는지 살펴보세요.\n2. 💹 **경제 지표와의 상관관계**: GDP, 1인당 GDP 등이 스포츠 성과에 미치는 영향을 분석해보세요.\n3. 🗺️ **지리적 요인**: 대륙별, 지역별 성과 차이가 있는지 확인해보세요.\n4. 👨‍👩‍👧‍👦 **인구통계학적 요인**: 인구 규모, 도시화율 등이 스포츠 성과와 어떤 관계가 있는지 탐구해보세요.\n5. 🏠 **환경적 요인**: 과거 데이터를 통해 다양한 환경 요인이 성과에 미치는 영향을 분석해보세요.\n\n## ⚠️ 주의사항\n* 모든 예측은 제공된 데이터와 공개적으로 접근 가능한 데이터만을 사용하여 이루어져야 합니다.\n* 미래 대회 결과에 대한 비공개 정보나 내부 정보를 사용하는 것은 금지됩니다.\n* 최종 제출은 반드시 `sample_submission.csv` 파일의 형식을 따라야 합니다.\n\n여러분의 창의적인 분석과 정확한 예측을 기대합니다. 행운을 빕니다! 🍀🏆",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "## 평가 지표 📊\n\n이 대회에서는 Mean Squared Error (MSE)를 사용하여 제출물을 평가합니다. MSE는 예측값과 실제값 사이의 차이를 측정하는 지표로, 다음과 같이 계산합니다:\n\n$$ MSE = \\frac{1}{n} \\sum_{i=1}^{n} (y_i - \\hat{y}_i)^2 $$\n\n낮은 MSE 점수는 더 정확한 예측을 의미합니다. 이 MSE 점수를 기준으로 최종 순위를 결정합니다.\n\n## 제출 파일 형식 📁\n\n제출 파일은 CSV 형식이어야 하며, 다음 세 개의 열을 포함해야 합니다:\n\n1. `ID`: 인덱스 열 (0부터 시작)\n2. `noc`: 국가 올림픽 위원회 코드\n3. `point`: 예측된 메달 포인트\n\n파일에는 반드시 헤더를 포함해야 하며, 다음과 같은 형식을 따라야 합니다:\n\n```\nID,noc,point\n0,AUS,450.5\n1,BEL,200.0\n2,BRA,300.7\n3,CAN,500.2\n...\n28,USA,1000.5\n29,UZB,150.3\n```\n\n## 주의사항 ⚠️\n\n- 제공된 양식의 모든 국가 코드에 대해 예측값을 채워넣어야 합니다.\n- 예측된 메달 포인트는 반드시 양수여야 하며, 소수점 첫째 자리까지만 입력할 수 있습니다.\n- 국가 코드의 순서는 제공된 양식과 정확히 일치해야 합니다.\n- 파일 크기는 10MB를 초과할 수 없습니다.\n\n## 평가 과정 🔄\n\n1. 참가자가 제출한 파일이 올바른 형식인지 확인합니다.\n2. 각 국가에 대한 예측값과 실제값 사이의 MSE를 계산합니다.\n3. 전체 MSE 점수를 기준으로 참가자들의 순위를 매깁니다.\n\n## **리더보드** 🏆\n- 📢 **<u>올림픽 종료 후 실제 결과를 바탕으로 평가하며, 참가자들이 제출한 파일을 별도 채점한 후 8월 20일(화) 에 최종 공지합니다.</u>**\n\n- kaggle 리더보드는 미국의 통계 사이트 Nielsen에서 예측한 데이터를 사용한 것으로 최종 결과와는 다를 수 있습니다. \n\n\n## 제출 제한 🚫\n\n- 하루에 최대10회까지 제출할 수 있습니다.\n- 최종 평가를 위해 최대 2개의 제출물을 선택할 수 있습니다.\n\n여러분의 뛰어난 예측 실력을 보여주세요! 행운을 빕니다! 🍀",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "* 모든 예측은 제공된 데이터와 공개적으로 접근 가능한 데이터만을 사용하여 이루어져야 합니다.\n* 미래 대회 결과에 대한 비공개 정보나 내부 정보를 사용하는 것은 금지됩니다.\n* 최종 제출은 반드시 `sample_submission.csv` 파일의 형식을 따라야 합니다.\n* 반드시 Team 탭에서,  TEAM NAME을 KT 사내 이메일 계정으로 설정해 주세요!\n* (KT 그룹사의 경우, 지니어스에 등록된 이메일 계정을 기준으로 참가자를 확인합니다!)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "🏅 **AX 디그리 써머캠프 Mission 1: 스포츠 대회 결과 예측하기** 🏅\n\n2024 파리 올림픽의 열기 속에서, 여러분의 데이터 사이언스 실력을 전세계 스포츠 데이터에 적용해보세요!\n\n이 챌린지는 AX 디그리 써머캠프의 일환으로 진행되며, 참가자들에게 실제 세계의 복잡한 스포츠 데이터를 다루는 흥미진진한 기회를 제공합니다. 여러분의 임무는 2024 파리 올림픽에서 각 국가의 성과를 정확히 예측하는 것입니다.\n\n### 도전 과제:\n- 머신러닝 모델을 활용한 국가별 경기 성과 예측\n- 다양한 요인을 고려한 종합적인 데이터 분석\n- 시계열 데이터와 외부 요인을 결합한 예측 모델 개발\n\n### 규칙:\n* 모든 예측은 제공된 데이터와 공개적으로 접근 가능한 데이터만을 사용하여 이루어져야 합니다.\n* 미래 대회 결과에 대한 비공개 정보나 내부 정보를 사용하는 것은 금지됩니다.\n* 최종 제출은 반드시 `sample_submission.csv` 파일의 형식을 따라야 합니다.\n* 반드시 Team 탭에서, TEAM NAME을 **KT 사내 이메일 계정으로 설정**해 주세요!\n* (KT 그룹사의 경우, 지니어스에 등록된 이메일 계정을 기준으로 참가자를 확인합니다!)\n\n\n### 베이스라인:\n * [**Baseline 노트북**](https://www.kaggle.com/code/axdegree/notebookf6a27766e6) 분석 예시 코드입니다.\n\n🏆 **분석 점수를 올리고, 올림픽 결과를 정복하세요!** 🏆\n\n### 결과 발표:\n* **📢 <u>올림픽 종료 후 실제 결과를 바탕으로 평가하며, 참가자들이 제출한 파일을 별도 채점한 후 8월 20일(화) 에 최종 공지합니다.</u>**\n* kaggle 리더보드는 미국의 통계 사이트 Nielsen에서 예측한 데이터를 사용한 것으로 최종 결과와는 다를 수 있습니다. \n\n\n올림픽과 데이터 사이언스의 흥미진진한 만남, \n스포츠 데이터 분석 챌린지에 지금 도전하세요! \n여러분의 분석이 스포츠 세계의 새로운 인사이트를 밝혀낼 수 있습니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}