{
  "fetched_at": "2026-10-24T22:58:45Z",
  "source_url": "https://www.kaggle.com/competitions/competiton-test-1/data",
  "pages": [
    {
      "name": "data-description",
      "content": "- 이 데이터 세트는 96x96px 이미지로 구성되어 있습니다.\n- 각 **Class**를 예측하는 Classification 문제 입니다. \n\n\n## Files\n\n*   **train_data/**  - 훈련 세트 이미지 ( train + val )\n*   **test_data/** - 테스트 세트 이미지 (이 이미지의 class를 예측해야 합니다)\n*   **train_data.csv** - 학습을 위한 train data의 class 파일명, class 정보\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "제출해주신 csv파일을 기반으로 채점이 진행됩니다.\n대회 마지막 날 가장 Score가 높은 팀의 코드 검증이 이뤄지게 됩니다.\n\n---\n\nSubmissions are evaluated on [area under the ROC curve](http://en.wikipedia.org/wiki/Receiver_operating_characteristic) between the predicted probability and the observed target.\n\n\n## 제출 파일\n테스트 세트의 각 ID에 대해 다각형의 수를 예측해야 합니다 Prediction.csv 파일에는 헤더가 포함되어야 하며 아래 sample 형식이어야 합니다.\n\n    Id,Prediction\n    00001.png,3\n    00002.png,4\n    00003.png,10\n    etc.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "## 평가\n\n### 필수 사항\n- 필수 사항을 수행하지 않으면, 순위에서 제외됩니다.\n- 간단한 내용이라도 좋으니 경진대회를 진행 하면서 알게 된 내용, 팁 등을 Discussion 탭에 공유해 주세요!\n- 한 팀당 글 1개 이상 공유해 주세요 아주 간단한 내용도 좋습니다. \n\n\n\n### 리더보드\n평가 산식 : Accuracy\n\n$$Accuracy= \\frac{1}{n} \\sum_{i}^{n}(true_i==predict_i)$$\n\n```\nimport numpy as np\n\ndef ACCURACY(true, pred):   \n    score = np.mean(true==pred)\n    return score\n```\n\n- 리더보드 수상자 (1등팀) 코드 평가\n - Private 순위 공개 후 코드 제출 기간 내 코드 공유 게시판에 게시\n  - 제목 양식 : 팀 이름, Private 순위와 점수, 모델 이름 (e.g. 홍길동팀, Private 1위, Private 점수 :5.23, RandomForest)\n - 내용 : 전처리, 학습, 후처리, 추론 일련의 과정을 담은 코드 및 코드 설명을 게시. \n\n## 팀 참여 규칙\n- 1일 최대 제출 횟수 : 10회\n\n## 부정 행위\n- 아래 사항들은 모두 부정행위로 간주합니다.\n - 주어진 학습 데이터(train.csv) 이외의 데이터를 학습에 사용\n - 테스트 데이터(test.csv)를 학습에 사용 (* 제출 파일 생성에만 사용해주세요)\n - 외부에 공개된 원본 데이터를 사용\n - 사전 학습(pretrained) 모델 사용\n- 대회 진행 중 부정행위가 의심되는 경우, 코드 제출을 요청할 수 있습니다.\n- 요청일에 코드를 제출하지 않을 시 탈락됩니다.\n- 대회 종료 후 부정행위가 확인된 경우, 리더보드에서 기록이 삭제되며 수상자 명단에서 제외됩니다.\n- 부정행위를 엄격히 금지 하며, 부정 제출시 평가가 제한됩니다. \n\n## 유의 사항\n- 1일 최대 제출 횟수: 10회\n- 모델 학습에서 검증 혹은 평가 데이터셋 활용 시 Data Leakage로 판단하여 실격 처리됩니다. (부정 행위).\n- 공개되는 리더보드 랭킹은 최종 순위가 아니며 코드 검증 후 수상자가 결정됩니다.\n- 대회 종료 후 리더보드 및 코드 공유 수상자 순위를 결정합니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "- 머신러닝, 딥러닝 1주차 모의 대회 입니다.\n- Kaggle 등 경진대회에 친숙해지기 위한 목적을 가지고 있습니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}