データ解析コンペ
研究室内でデータ解析コンペを行ない、データ解析に必要な前処理や機械学習の技術を磨いています。
対象は、研究室に所属する情報工学科のゼミ生（3年生）、卒研生（4年生）、情報工学専攻の大学院生までの全員です。
卒業研究のテーマだけだと、自分の研究テーマの対象となった技術には強くなるけどそれ以外のことは何もできないまま社会にでてしまうので、少なくともデータ解析の技術は一通り身につけてから社会に出ていき、データ解析ができるエンジニア（できれば機械学習エンジニアやデータ・サイエンティスト）として活躍してくれたらいいと思っています。
最初はDeepAnalytics（現在のSIGNATE）で授業用コンペを行い、SIGNATEになってからは練習用コンペに参加していましたが、現在はKaggleでプライベートなコンペを行なっています。
自分が試したテクニックや直面したトラブルなどをゼミで報告して共有し、前処理や機械学習のスキルを磨いています。
2019年度から新たにランキング制度を導入し、Webサイトで紹介することにしました。
1056Lab ランキング
| # | △ | 氏名 | 学年 | 金 | 銀 | 銅 | 合計ポイント | 称号 |
|---|---|---|---|---|---|---|---|---|
| 1. | - | 吉田 拓倫 | M1 | 3 | 4 | 1 | 66 | エキスパート |
| 2. | - | 近藤 巧麻 | B4 | 1 | 1 | 0 | 55 | エキスパート |
| 3. | - | 伊藤 徳晃 | M1 | 1 | 2 | 1 | 39 | |
| 4. | - | 瀬戸 要 | B4 | 0 | 0 | 0 | 36 | |
| 5. | - | 蔦木 宏斗 | B4 | 2 | 0 | 2 | 35 | |
| 6. | - | 小島 崇史 | B4 | 0 | 0 | 1 | 31 | |
| 7. | - | 永縄 拓也 | B4 | 1 | 0 | 0 | 30 | |
| 8. | - | 伊藤 茜 | B4 | 0 | 0 | 1 | 18 | |
| 9. | - | 林 拓実 | B3 | 0 | 0 | 1 | 9 | |
| 9. | - | 末武 大樹 | B3 | 0 | 0 | 1 | 9 | |
| 11. | - | 鬼塚 青杜 | B3 | 0 | 0 | 0 | 9 | |
| 11. | - | 石黒 成哉 | B3 | 0 | 0 | 0 | 9 | |
| 11. | - | 村井 純希 | B3 | 0 | 0 | 0 | 9 | |
| 11. | - | 大場 智晃 | B3 | 0 | 0 | 0 | 9 | |
| 11. | - | 菅沼 杏亮 | B3 | 0 | 0 | 0 | 9 | |
| 11. | - | 馬原 拓樹 | B3 | 0 | 0 | 0 | 9 | |
| 17. | - | 木村 昂輝 | B4 | 0 | 0 | 0 | 7 |
（第13回終了時）
ルール
各コンペの共通ルール
- Don't cheat!（インチキするな）
- Help each other!（お互いに助け合おう）
- Have fun!（楽しもう）
予測結果の投稿は最大5回/日、投稿した複数の予測モデルの中から選べるのは2つまで。
Kaggle Notebookを使用し、コンペ終了後、最終スコアを獲得したNotebookを公開すること。
取り組み状況や結果をゼミで報告すること。
ランキング制度
各コンペの上位3名にメダル、上位5名にポイントが与えられ（第7回から）、合計ポイントによりランキングを作成します。
- 1位：金メダル、10ポイント
- 2位：銀メダル、8ポイント
- 3位：銅メダル、6ポイント
- 4位：4ポイント
- 5位：2ポイント
ただし、スコア差が5%以内の場合、上位のポイントから1引いた値をポイントとします。
期限内に提出できなかった場合、4ポイントのペナルティを与えます。
また、終了後に最終スコアのNotebookを公開できなかった場合、失格として2ポイントのペナルティを与えます。
称号制度
またメダルと合計ポイントにより、称号を授与します。
- グランドマスター (Grandmaster)：金メダル5枚、かつ、200ポイント
- マスター (Master)：金メダル3枚、かつ、120ポイント
- エキスパート (Expert)：金メダル1枚、かつ、50ポイント
コンペ履歴
- 第14回 欠陥検出 (2019/11/12-2019/12/09)
- 第13回 ワインの品質予測 (2019/10/28-2019/11/11)
- 第12回 乳ガン診断 (2019/10/14-2019/10/28)
- 第11回 NBA年俸予測 (2019/7/19-2019/9/10)
- 第10回 最低気温予測 (2019/6/14-2019/8/6)
- 第9回 肺炎診断 (2019/5/8-
2019/7/092019/7/23) - 第8回 従業員の離職予測 (2019/4/24-2019/06/11)
- 第7回 企業の倒産予測 (2019/4/10-2019/5/7)
- 第6回 お弁当の需要予測
- 第5回 金融取引の詐欺検出
- 第4回 ボットの判別
- 第3回 Jリーグの観客動員数予測
- 第2回 お弁当の需要予測
- 第1回 銀行の顧客ターゲティング
