HOME 대회개요 신청안내 심사정보 참가신청 신청확인 로그인
Boat
공지사항

공지사항

제목 워크숍기간동안 주셨던 질문과 해당 답변입니다.
내용 Q1 : 차 서류심사에서 최대 15개 팀 선발 후 최종평가를 한다고 하셨는데 인공지능 부문은 왜 1차에서 26팀이 선정되었나요??
-A1 : 인공지능 부문에 우수한 팀이 많이 접수되어서부득이하게 26개팀을 선정하게 되었습니다. 양해부탁드립니다. 최종 수상팀 수는 동일합니다.

Q2 : 오늘 아침에 받은 워크샵발표자료를 보면 분석자원(AWS GPU server) GPU는 Tesla M60이라고 되어있는데 V100이 지원되는건가요 M60이 지원되는건가요?
-A2 : 인공지능 부문에는 M60이 지원됩니다.

Q3 : 인공지능 부문 데이터셋은 5가지 종류인데 1가지 데이터셋만 썼을 때보다 여러가지 데이터셋을 썼을 경우 평가에 이점이 있나요?
-A3 : 인공지능 부문 데이터셋을 여러개 썼다고 해서 무조건 점수가 높다고는 말씀드릴수는 없으니 평가위원에게 그런 부분을 어필하시면 방법론 측면에서 좋은 점수를 얻을수도 있을듯 합니다.

Q4 : 인공지능 부문 평가는 창의성(30), 우수성(70)으로 되어있는데 인공지능 부문에서 조금 전 말씀해주신 평가지표의 효과성은 전혀 평가하지 않는것인가요?
-A4 : 발표된 대로 창의성, 우수성 으로만 평가 됩니다.

Q5 : CUDA 버전에 알맞은 pytorch를 직접 설치하는 것은 괜찮나요?
-A5 : 환경은 참가자가 원하는 spec에 맞추어 설치하시면 됩니다. 기 설치해드린 CUDA 버전에 알맞은 pytorch 버전을 설치하셔서 사용하시면 됩니다. 필요한 경우 다른 버전의 cuda를 설치하셔도 됩니다.

Q6 :인공지능 부문의 경우 Inference연산의 경우 개인 서버에서 API형태로 진행해도 괜찮나요?
-A6 : 개인서버에서의 데모는 불가능 하며 KISTI에서 제공해드리는 서버에 옮겨서 시연이 가능해야 합니다.

Q7 : 인공지능 부문의 데이터셋 분야가 다양해 객관적인 우수성 평가를 어떻게 하는지 궁금한데 우수성 관련해서 조금더 설명을 해주실 수 있으신가요??
-A7 : "같은 데이터셋을 사용하고 같은 task 를 진행하는 경우 성능이 우수성 지표에 포함될수 있습니다.
기타 심사위원이 관련연구 및 해결방법 성능 등을 종합적/정성적으로 고려하여 우수성을 판단할 수 있습니다.
참가자들은 경진대회 프로젝트의 우수성에 관하여 잘 나열하여 제시하시고 심사위원들에게 인정 받을수 있도록 하는 것이 좋은 전략이 되겠습니다."

Q8 : 오늘 워크숍이 끝나고, 발표에 사용하신 자료를 공유해주시나요?
-A8 : "발표자료는 새롭게 준비 중인 경진대회 홈페이지를 통해 공개예정입니다.
현재는 파일 첨부가 되지않습니다."

Q9 : 제공하는 GPU의 메모리는 어떻게 될까요?
-A9 : GPU의 메모리는 12GB입니다.

Q10 : 혹시 Memory를 더 늘려서 제공받을 수는 없나요?
-A10 : 메모리는 확장 불가입니다.

Q11 : 그러면 Memory는 16GB까지는 제공받을 수 있을까요?
-A11 : 가능합니다.

Q12 : tensorflow version 업그레이드해서 설치가능한가요
-A12 : 가능합니다.

Q13 : 연구데이터 부문에서 사용한 데이터 등록이 안되면 좋은 점수를 받기 어렵다는 말씀인가요?
-A13 : 사용하신 데이터가 DataON에 등록이 되지 않으면 좋은 점수를 받지 못합니다. 단, 연구에 활용된 모든 데이터가 등록이 되어야 하는 것은 아닙니다. 등록할 수 있는 데이터와 DataON에 이미 등록되어 있는 데이터, 등록이 안되는 데이터 등을 적절히 섞어서 활용하시면 됩니다. DataON에 등록이 안되는 데이터만을 사용할 경우에는 좋은 점수를 받지 못합니다.

Q14 : conda 가상환경을 저희가 추가적으로 설치해서 사용가능한가요
-A14 : 가능합니다.

Q15 : PyTorch는 제공 안되나요?
-A15 : 기본적으로 제공되지 않습니다.

Q16 : 인공지능 부문에서 같은 주제로 진행하는 팀들이 있다면, 성능 비교를 통해 순위가 결정되나요?
-A16 : 우수성(성능) 70% 창의성 30%로 평가가 됩니다. 같은 데이터셋을 사용하여도 자유주제로 참여하는 팀들이 있으므로 꼭 순위에 의해 평가가 된다고는 말씀드릴수 는 없습니다.

Q17 : DataOn에 등록이 불가한 Dataset을 사용하면 감점 요소인가요 ? 아니면 아예 사용불가인가요 ?
-A17 : 등록이 불가한 데이터도 사용은 가능합니다. 그렇지만, 좋은 점수를 받기는 어려울 것 같습니다. 등록이 불가한 데이터와 DataON에 등록이 가능한 데이터를 같이 사용하면 좋을 것 같습니다.

Q18 : 메모리 확장 불가라는 것은 별도의 클라우스 서비스 이용 같은 것도 불가능하다라고 봐도 무관하나요?
-A18 : "학습시 추가적으로 개별 자원을 사용하는 것은 가능합니다. 다만 발표일에 시연할때는 꼭 KISTI에서 제공하는 서버에서 시연을 하셔야 합니다."

Q19 : CMS opendata는 DataOn 등록이 가능한가요? 안된다면 감점대상인가요?
-A19 : tensorflow 업그레이드를 하실 수 있지만, CUDA와 관련하여 문제가 발생할 소지가 있습니다. 따라서 가능하면 Tensorflow 1.1.4, Keras 2.2.5를 사용해 주시기 바랍니다.

Q20 : DataOn에 등록 가능한 데이터라는게 잘 이해가 안가는데, 개인이 CMS opendata를 가공해 만든 데이터는 DataOn에 등록이 되나요? 등록 가능한 포맷이 따로 있나요?
-A20 : 대부분의 오픈 데이터는 개인적인 용도나 연구 목적으로는 사용이 가능하지만, 대중을 위한 서비스에 사용은 불가합니다. 따라서 CMS opendata에 대한 소유권을 가진 분이 아니라면 DataON 등록이 불가합니다. 단, 소유권을 가진 분에게 동의를 받으신 경우면 DataON에 등록이 가능합니다.

Q21 : conda 사용 가능하다고 하셨는데 conda로 pytorch 설치 후 사용도 불가능한가요?
-A21 : 가능합니다.

Q22 : workflow가 정확히 어떻게 동작하는지 잘 모르겠습니다. 파이썬 스크립트만 실행해주나요? 아니면 필요한 파이썬 패키지 설치, 스크립트 실행, 결과 표시 등등 모든 과정을 실행 할 수 있게 해주나요?
-A22:Python스크립트에 Input/Output에 대한 부분의 수정이 필요합니다. 구체적인 내용은 일단 https://dataon.gitbook.io/dataon-user-guide/canvas/sw/software_registeration의 애플리케이션 등록부분을 참고하시기 바랍니다.

Q23 : 연구 부문의 경우 데이터 저장 스토리지는 최대 얼마까지 지원되나요?
-A23 : 100Gb까지 가능합니다.

Q24 : 등록된 어플리케이션에 도커도 있나요?
-A24 : 애플리케이션은 등록시에 conda 환경을 선택하게 되고, 실행시 기본 docker이미지에 선택한 conda환경을 통해 실행됩니다.

Q25 : 연구 부문의 경우 데이터 저장 스토리지는 최대 얼마까지 지원되나요?
-A25 : 연구부문 스토리지는 100GB까지 가능합니다.

Q26 : 연구부문 스토리지 추가 사용은 불가능한가요?
-A26 : 불가능합니다.

Q27 : PyTorch를 이용해도 되나요?
-A27 : Pytorch를 제공하지는 않습니다.

Q28 : 직접 설치해서 이용해도 되나요?
-A28 : 가능합니다.

Q29 : 특별히 제공되는 스케줄러(ex. slurm)는 없나요?
-A29 : 자원이 즉시 제공되는 형태로 스케줄러는 없습니다.

Q30 : 참가신청서에 작성된 내용에서 주제가 조금 변하거나 추가되어도 괜찮은가요?
-A30 : "주제의 변경은 불가합니다. 현재의 내용으로 평가가 되었기 때문입니다. 다만, 활용 데이터를 추가하거나 일부 변경하는 것은 가능합니다. 최종 평가 시에 신청서와 결과를 가지고 평가를 하게 됩니다."

Q31 : 연구데이터를 공유할때 지켜야할 포멧이 있나요? 현재 저희 데이터는 TDMS형식인데 따로 변환해야하나 궁금합니다.
-A31 : 데이터는 애플리케이션에서 사용하는 형태 그대로 등록하셔야 합니다.

Q32 : 저희 데이터가 엑셀 파일같은 TDMS파일인데 차후에 csv같은 파일로 변환해서 DataOn에 등록해야하나요?
-A32 : 데이터는 애플리케이션에서 사용하는 형태 그대로 등록하셔야 합니다.

Q33 : 인공지능 부문은 아예 외부데이터를 못쓰는 건가요?
-A33 : 인공지능 부문에서 제공하는 데이터셋(모델) 중에 최소 1가지이상 사용하시면 가능합니다. 다만KISTI 데이터셋/모델의 형식적인 사용은 심사시 체크할 예정입니다

Q34 : 저희 조의 경우에는 인공지능 분야에서 온디바이스 환경에서 구현 주제로 서술하였습니다. 워크숍을 듣다보니, 특정환경에서 제한되는 것 같은데 이러한 경우에는 어떤 방식으로 구현하면 좋을까요? 우선은 제공받은 환경에서 모델을 학습하고, 배포를 통해 온디바이스 장치에서 실행할 수 있도록 진행하려고 하는데 괜찮을까요?
-A34 : workflow는 등록된 애플리케이션으로 파이프라인을 작성하여 실행하는 환경입니다.

Q35 : 인공지능 부분은 V100 GPU 사용이 불가능한가요??
-A35 : "인공지능 부문에는 M60이 지원됩니다. 학습시 추가적으로 개별 자원을 사용하는 것은 가능합니다. 다만 발표일에 시연할때는 꼭 KISTI에서 제공하는 서버에서 시연을 하셔야 합니다."

Q36 : 참가신청서에 작성된 내용에서 주제가 조금 변하거나 추가되어도 괜찮은가요?
-A36 : 참가신청서의 내용을 크게 벗어나지 않는 범위에서 허용하겠습니다. 최종평가를 할 때 신청서를 참고하기 때문에 신청서와 내용이 많이 다르면 좋은 평가를 받을 수 없을 것입니다.

Q37 : 사전학습모델을 외부사전학습모델을 사용하면 안되나요?
-A37 : 인공지능 부문에서 제공하는 데이터셋(모델) 중에 최소 1가지이상 사용하시면 가능합니다. 다만KISTI 데이터셋/모델의 형식적인 사용은 심사시 체크할 예정입니다

Q38 : 연구데이터 부문도 서버에서 데모를 시행해야되는게 맞는것이지요?
-A38 : 개발된 모델(프로그램)이 Jupyter에서 데모를 시행하고, 애플리케이션으로 수정하여(입출력패스 등) Workflow에서 동작하도록 하면 가산점수가 부여되는 방향으로 평가하고 있습니다. (https://dataon.gitbook.io/dataon-user-guide/canvas/sw/software_registeration의 애플리케이션 등록부분을 참고하시기 바랍니다.)

Q39 : 연구데이터부문에서 헷갈리는 부분이 생기는데, 앞전에 말씀해주신 환경에서 테스트만 하는 것이고 따로 안내주시는 서버 환경이 실제 데모 환경이 된다는 말씀이신건가요?
-A39 : 연구데이터부문의 서버에서의 데모시행에 대한 답변은 최종 프로그램(애플리케이션) 이 워크플로우에서 동작하도록 하면 좋은 점수를 받을 수 있습니다.

Q40 : 인공지능 부문의 분석자원도 jupyterlab 등을 사용하나요? 아니면 이전 발표 내용은 모두 연구데이터 부문의 내용이었나요?
-A40 : "분석환경과 평가지표 및 주안점에 대한 설명은 모두 연구데이터 부문에 대한 설명이었습니다. 이후 AI 부문에 대한 설명을 한꺼번에 드렸었습니다.
인공지능 부문에서는 요청시 AWS GPU 서버를 기본적으로 제공해드립니다. JUPYTERLAB은 기본적으로 제공해드리지는 않습니다. JupyterLab을 사용하시는 것은 자율적인 사항입니다."

Q41 : 인공지능부문에서 발표평가시 시연해야할 코드는 간단한 데이터(1~2개) inference 보여드릴 수 있도록 보여드리면 되는건가요?
-A41 : 네 그렇습니다

Q42 : conda install를 통해 다른 패키지를 설치해서 사용해도 되나요?
-A42 : conda install을 통한 설치 가능합니다.