대회가 요구하는 본질을 한 줄로. 그리고 우리가 어디까지 했는지.
각자 자기 전공 분야 맡아서 부품 하나씩. 다 합치면 자동 요리사 한 대.
영상에서 물고기 어디 있는지·몇 마리인지 자동으로 찾아내요. SAM 2라는 메타(페북) 최신 모델 씁니다.
코드 완성물고기들이 '밥 달라' 신호인지, 스트레스인지, 평소인지 자동 분류. 라벨 없이도 됩니다.
코드 완성30분 뒤 물 상태가 어떻게 될지 미리 보여주는 시간여행 모델. AWS가 만든 Chronos 사용.
⭐ 가장 잘 됐음 (오차 거의 0)여러 번 시뮬레이션 돌려본 다음 '최적의 사료 주는 방법'을 스스로 배운 AI. 강화학습이라고 해요.
⭐ 학습 후 3배 똑똑해짐, 위험 결정 0건센서가 가끔 이상한 값 뱉을 때 자동으로 걸러내고 잡음 제거하는 필터.
1,380개 중 32개 자동 제거교과서에서 가져온 연어 생리 지식 (수온별 적정 사료량 등). AI가 무리하게 사료 주려 하면 막아줘요.
코드 완성 + 14개 시험 통과기술 버전 사이트에 적힌 어려운 용어를 일상 언어로.
| 사이트 표현 | 쉬운 뜻 |
|---|---|
| Foundation Model | 다른 산업 데이터까지 미리 공부해온 '학식 깊은' AI |
| Zero-shot | 추가 학습 안 해도 그냥 잘 맞춤 |
| Conformal Prediction | AI가 자기 예측에 대해 '90% 확신해' 같은 신뢰도 통계로 보장 |
| Bioenergetic | 물고기 생리 책에서 가져온 지식 |
| Ablation Study | 옛날 / 중간 / 새 버전 — 셋 다 비교한 표 (평가위원이 좋아함) |
| val MSE 0.0023 | 예측 오차 — 작을수록 정확. 0.002면 거의 완벽 |
| 0 violations | 위험한 결정 한 번도 안 함 |
| +195% reward | AI가 학습 시작 때보다 3배 좋아짐 |
10시간 만에 70%. 남은 30%는 제안서·README·zip 묶기. 마감(5/15 18시)까지 약 38시간 여유 있어요.
python -m aquasmart.cli run/ablation)