こちらのリポジトリは、『電通×データアーティスト AIインターンシップ2019』 エンジニアリングコースのエントリー課題をまとめたものとなります。 課題概要は、以下の通りです。エントリー希望の方は、エントリーページのフォームの記入と、必須課題１と２の内１つ以上を提出してください。課題３と課題４は任意ですが、提出された場合は加点対象になります。詳細説明や結果提出の方法につきましては、課題フォルダーにおけるそれぞれのREADMEファイルをご参照ください。
- 回答には、以下のいずれかの言語を利用してください。
- Python, C, C++, Go, Java, JavaScript, R
- フレームワークやライブラリの利用は任意であり、独自開発のライブラリ等を利用する場合は、ソースコードを回答に含めて提出してください。
- 他の人との相談や共有などは禁止します。他の応募者からのコピーが発見された場合は、双方とも失格となります。
手書き数字（MNIST）分類モデルを実装し、ソースコードとテスト結果を提出してください。 手描き数字データに関しては、任意のオープンデータセット（MNIST）を利用して下さい。 回答に関しては、README-K1.mdに記載の各回答項目を準備し、ソースコードと共に下記「回答提出手順」に従って提出してください。
物件価格予測用回帰モデルを実装し、ソースコードとテスト結果を提出して下さい。 データに関しては、Price.csv（GPL 2）を利用して下さい。 回答に関しては、README-K2.mdに記載の各回答項目を準備し、ソースコードと共に下記「回答提出手順」に従って提出してください。
日本語サンプルテキスト（Sample.csv）におけるtextカラムをクラスタリングしてください。 データセットの作り方、クラスタリングアルゴリズム、クラスターの数は自由に決めて下さい。 回答に関しては、README-K3.mdに記載の各回答項目を準備し、ソースコードと共に下記「回答提出手順」に従って提出してください。
Kaggle等のスコアやGithubアカウントなどご自身のスキルをアピールできるものを提示して下さい。 回答に関しては、README-K4.mdに記載の各回答項目を準備し、下記「回答提出手順」に従って提出してください。
- GitHub上で課題回答用のパブリックリポジトリを作成して下さい。
- ソースコードを1で作成したリポジトリにプッシュして下さい。
- それぞれブランチ分けをしてREADMEファイルを作成し、提出課題それぞれの該当ブランチ名を記入してください。
- 各提出課題に対し、それぞれREADME-K1~4テンプレートをもとにREADMEファイルを作成し1で作成されたリポジトリにプッシュして下さい。
- 3のリポジトリへのリンク（URL）を課題エントリーフォームにおける課題提出用リポジトリURL入力欄に貼り付けて下さい。
詳細説明、データ、READMEテンプレート等につきましては、フォルダーDENTSU_DATA_ARTIST_INTERNSHIP_2019をご参照下さい。
電通×データアーティスト AIインターンシップ事務局 (ai.internship@dentsu.co.jp)