1. 프로젝트 개요

Deep Knowledge Tracing

DKT는 Deep Knowledge Tracing의 약자로 학생의 '지식 상태'를 추적하는 딥러닝 방법론으로 유저 맞춤화된 교육을 제공하기 위해 중요한 역할을 수행합니다. 이 대회에서는 Iscream 데이터셋을 이용하여 DKT 모델을 구축하여 학생이 특정 문제를 맞힐지 틀릴지 예측하는 과제를 수행했습니다. 이때 평가 메트릭은 AUROC를 사용했습니다.

프로젝트 목표

• 코드에 대한 이해를 높이기 위해 베이스라인 코드를 직접 작성하기
• PM을 돌아가면서 맡아 시간 관리 및 소통 능력 배양하기
• 개인이 특정 업무에 종속되는 것이 아니라, 돌아가면서 팀을 맡아 모든 업무를 경험해보기
• 제공된 강의와 자료에서 제시되는 많은 인사이트를 최대한 활용해보기

활용 장비 및 협업 툴

• GPU: V100 5대
• 운영체제: Ubuntu 18.04.5 LTS
• 협업툴: Github, Notion, Weight & Bias

Folder Structure

Deep Knowledge Tracing/
│
├── train.py - main script to start training
├── inference.py - make submission with trained models
├── ensemble.py - make ensemble with submission files
│
├── config/ - holds configurations for training
|   ├──LSTM_config.json
|   ├──transformer_config.json
|   ├──transformerLSTM_config.json
|   ├──GRUtransformer_config.json
│   └──GTN_congfig.json
│
├── data_loader/ - anything about data loading goes here
│   ├── dataset.py
│   └── preprocess.py
│
├── data/ - default directory for storing input data
│
├── model/ - base, get_model, utils for model, and all of models
│   ├── base.py
│   ├── get_model.py
│   ├── utils.py
│   ├── LSTM.py
│   ├── transformer.py
│   ├── transformerLSTM.py
│   ├── transformerGRU.py
│   ├── GRUtransformer.py
│   ├── GTN.py
│   ├── GTNGRU.py
│   └── XGBoost.py
│
├── trainer/ - trainers, losses, metric, optimizer, and scheduler
│   ├── trainer.py
│   ├── loss.py
│   ├── metric.py
│   ├── optimizer.py
│   └── scheduler.py
|
├── preprocess/ - preprocess ipynb files
│
├── ensembles/ - anything about ensemble goes here
│   └── ensemble.py
|
├── ensembles_inference/ - submission files that needs to be ensembled
|
├── logger/ - module for wandb  and logging
│   └── wandb_logger.py
│
├── saved_model/
|
├── submission/
|
└── utils/ - small utility functions
    ├── util.py
    └── ...

---

2. 프로젝트 팀 구성 및 역할

• 프로젝트 전반: PM 1인, 전처리 2인, 베이스라인 2인 Rotation 방식
• 프로젝트 후반: PM 1인, 모델1 2인, 모델2 2인 Pair Coding 및 Rotation 방식

---

3. 프로젝트 수행 결과 (Private 1위)

---

4. References

• Boostcourse 강의 자료
• Riiid Solution
• Gated Transformer Networks for Multivariate Time Series Classification

---

5. Contributors

류명현	이수경	김은혜	정준환	장원준