Part0:今日目標

1.報告最終競賽成績(Private Leaderboard)
2.提供專案完整程式碼(Github)
3.回顧&展望

Part1:前言

鐵人賽結束直到此比賽截止日，正逢正職工作趕年底專案的時刻，因此直到比賽最後2天都還在水深火熱之際。但該競賽要求須同時上傳public + private答案，才具有完整參賽成績。在競賽截止日最後一天，一下班就開電腦和Colab Pro開始運算private答案，中間還因為免費Google雲端空間不足，造成預測資料筆數不對，而人工重複上傳下載資料，11160張圖片真的有嗆(羨慕朋友實驗室沒有運算空間資源限制呀~)，最終終於成功在23:37接近壓線繳出成績，呼!

Part2:內容

1.報告最終競賽成績(Private Leaderboard): 90/153(參賽446組，最終完賽153組，排名第90)

2.提供專案完整程式碼
Github Link: https://github.com/LeeYS0827/2022_learning_AIdea

3.回顧&展望 (下個專案要做的更好的地方哩!)
(1)對題目的理解&數據熟悉度
這次競賽其實有提供準心座標(專家標註記號)，自己最初有用這些資訊切割圖片，但自己稍微掃過覺得蠻多準心區域的資訊肉眼看都不太明顯，因此最終都放原始圖片訓練。但後續重想，若時間足後應該就這部分做特別裁切建模處理，畢竟Deep Learning的黑魔法就是在偵測肉眼分辨不出來的資訊。2023年的競賽，期續自己這部分能做更完善。

(2)數據處理的部分
比較可惜的是這次數據前處理嘗試的組合太少了，有很多天馬行空的想法(第一次接觸影像識別，還不知道框架在哪XD)，但鐵人賽期間優先任務為產出預測結果，所以時間都花在了解各種經典模型和建模Debug，鐵人賽後因為正職工作也沒在花時間進一步實作，沒有實作完所有自己想到的資料前處理是自己遺憾的部分QQ (後續另一個NLP競賽，很開心有玩到不同的資料~文章之後補上!)

(3)使用最新的算法/模型
在參加這個比賽前，自己對影像識別(CV)基本是處於一張白紙的狀態，只知道近期頂尖的CV model，有許多都已經超越人類的表現，但能有這樣的結果勢必有許多複雜的數學統計蘊含在背後，因此在決定這次目標學習就選定早期經典的模型(AlexNet, ResNet, EfficientNet)。但就之後面試或競賽成績來看，閱讀最新Paper和實作最新Model，應有蠻大機會能讓成績更上一層樓，這也是自己下個階段要著墨的部分。

今日工時: 50min*2

致謝

感謝2021和2022的磨練，在過程中有不自信、Deubug昏頭，但始終沒有想過要不寫程式~~! 現階段好像又多懂了一些、多學了一些，期許新的一年能學習更技能點、提高做事效率&人際互動。但在新年第一天，想好好感謝這段路上伸出的每雙手、合作的隊友夥伴(初期真的常雷到隊友，真的很抱歉@@)、得到的每個珍貴機會，還有許多一路念資工or一樣轉職的前輩朋友和家人，謝謝你們一直支持著我寫程式的目標，樂於指導、分享和建議，實在覺得太感謝了🥺🥺🥺，也唯有好好學習才能不辜負你們所花費的心思和時間，真的非常非常感謝你們!!! 💖💖💖
Very Thankful to All of You! Keep going, 2023!