💡Deep Knowledge Tracing

📘 Wrap-Up Report

📢 Competition Introduction

초등학교, 중학교, 고등학교, 대학교와 같은 교육기관에서 우리는 시험을 늘 봐왔습니다. 시험 성적이 높은 과목은 우리가 잘 아는 것을 나타내고 시험 성적이 낮은 과목은 반대로 공부가 더욱 필요함을 나타냅니다. 시험은 우리가 얼마만큼 아는지 평가하는 한 방법입니다.

하지만 시험에는 한계가 있습니다. 우리가 수학 시험에서 점수를 80점 받았다면 우리는 80점을 받은 학생일 뿐입니다. 우리가 돈을 들여 과외를 받지 않는 이상 우리는 우리 개개인에 맞춤화된 피드백을 받기가 어렵고 따라서 무엇을 해야 성적을 올릴 수 있을지 판단하기 어렵습니다. 이럴 때 사용할 수 있는 것이 DKT입니다!

DKT는 Deep Knowledge Tracing의 약자로 우리의 "지식 상태"를 추적하는 딥러닝 방법론입니다.

DKT에 대한 더 자세한 내용은 프로젝트 개요 에서 확인할 수 있습니다!

💧Team Members

Naver Boostcamp AI Tech 4기 Recsys 12조, Recommendation is All You Need

강태훈	권준혁	김다은	류지수	유영서

• 강태훈 : EDA, Feature Engineering, CatBoost, LightGBM, XGBoost, TabNet 모델 적용 및 GridSearchCV, optuna를 통한 하이퍼 파라미터 튜닝
• 권준혁 : EDA, Catboost, 기존 LightGCN에 3개의 bipartite graph를 통합해서 heterogenous graph model을 구성, LightGCN모델에 feature 정보 embedding, 3개의 bipartite graph를 attention으로 통합
• 김다은 : SequenceModel(LastQuery)을 중점적으로 연구 및 실험. Sequence Model 및 LGBM에 cross validation(k-fold) 진행, Sequence model에 continuous 피처 적용
• 류지수 : LightGCN, SequenceModel (Lstmattn) 모델 적용, Hyperparameter Tuning 실험, data augmentation 작성 및 실험
• 유영서 : Timestamp EDA & FE, Feature selection, SequenceModel 연구 및 실험, Feature의 형식에 따른 성능 개선 연구 및 실험, WandB를 활용하여 모델 성능 개선, Hyperparameter Tuning

🎅 How we work?

팀원 간의 원활한 소통을 위해, 다양한 협업 도구를 사용하였습니다!

• Working Tools

Slack	Notion	W&B	Github

저희 팀의 협업 방식에 대하여 더 궁금하시다면, Team RAYN의 협업 방식 에서 확인할 수 있습니다!

🌱 To see more

저희 Project에 대한 더 자세한 정보를 알고싶으시다면, Project Wiki 를 확인하세요!

💯 Result

리더보드	Score	순위
public	0.8104	13등
private	0.8503	4등

최종 순위: 전체 13팀 중 4등

중요한 것은 꺾이지 않는 마음