MATLAB AI 모델 챌린지

참가방법

1. 참가 신청 페이지의 양식을 작성해 기한 내 제출합니다. (2024년 10월 31일 오후 6시 마감)
2. AI 애플리케이션 및 모델을 구현한 후, 기한 내 File Exchange에 코드를 퍼블리시합니다. (2024년 11월 29일 오후 6시 마감)
3. MATLAB 라이선스를 보유하고 계시지 않은 분들은 MATLAB 무료 평가판을 사용하실 수 있습니다. (최대 30일까지)
4. 어떠한 아이디어도 제출 가능하나, 아래 사항을 충족해야 합니다.
   • 참가자는 MATLAB을 사용하여 AI 모델을 개발합니다. 만약 다른 프레임워크 (TensorFlow, PyTorch 등)의 모델을 사용하는 경우, MATLAB으로 불러와서 동작할 수 있어야 하며, 전체 프로젝트의 Host 플랫폼은 MATLAB이어야 합니다.
   • AI 모델의 정상적인 동작 여부를 확인하기 위해 모델 및 데스트 데이터까지 함께 업로드해 주셔야 합니다.
   • File Exchange에 코드를 퍼블리시할 때는 프로젝트에 사용한 전체 코드를 상세한 readme와 함께 기입해야 합니다. (영문으로 기입) 또한, File Exchange에 업로드할 때 ‘tags’ 필드값에 반드시 ‘krchallenge2024’라고 입력해주셔야 합니다.

주의! 참가자는 챌린지 웹페이지에서 참가 신청뿐만 아니라, File Exchange 에 코드 퍼블리시도 완료해야합니다.

참고할만한 코드 예시

• Predict House Prices Using DL and ML
  누구나 관심있어할 만한 주제인 집 내부 구조의 영상으로부터 집 값을 알아내는 모델 개발 과정이 소개되어 있습니다. 이를 위해 분류, 회기 방식을 모두 사용하고 있으며 머신 러닝 그리고 딥러닝 등의 다양한 조합으로 결과를 확인하고 있습니다.
• Python and MATLAB RRN LSTM Model for Prediction and Forecasting Temperature
  Python과 MATLAB을 함께 사용하여 모델을 개발하고 데이터를 처리하는 내용입니다. Python과 MATLAB을 함께 사용하는 좋은 예시입니다.
• Image Classification using Convolutional Neural Network with Multi-Input
  다중 입력을 사용한 분류 모델 개발의 예로써 단편적인 데이터 다수를 이용하여 모델의 정확도를 높일 수 있는 방법 적용 되었습니다.
• Classify crack image using deep learning and explain "WHY"
  해당 건은 도로위 균열을 XAI를 사용해 분류하는 방법론을 정리한 file exchange로서 새로운 함수의 제공 보다는 MATLAB에서 XAI를 어떻게 진행하여야 하는지를 정리/demo로 설명한 예시입니다.
• Live Emotion Detection using CNN a Deep Learning Model
  간단한 CNN 감정 예측 모델 및 camera 연동입니다. 이처럼 기본적인 모델이나 손쉬운 모델로도 이번 행사에 참여가능합니다.