Individual Hackathon

โจทย์ที่สำคัญ

แยกว่าภาพมีบ้านหรือไม่ — ฟังดูง่าย แต่มันซับซ้อนกว่าที่คิด เพราะต้องแยกระหว่าง "ภาพที่มีบ้านเป็นจุดเด่น" กับ "ภาพที่มีบ้านอยู่แค่มุมเล็กๆ"

แนวทาง

• • Transfer Learning: EfficientNet กับ Vision Transformer ทำ Data Augmentation (พลิก หมุน ปรับสี)
• • Test Time Augmentation: ทำนายจากหลายวิวของรูปเดียวแล้วหาเฉลี่ย
• • Self-distillation (DINO-lite): ถ้ามีเวลา ผมอยากลองทำ Self-distillation แบบ DINO-lite ด้วย
• • Ensemble: รวมหลาย model เพื่อหาความเห็นเอกฉันท์

โจทย์ที่สำคัญ

ตัดคำภาษาไทยระดับตัวอักษร — ติด tag B (เริ่มคำ) I (กลางคำ) E (ท้ายคำ) ให้แต่ละตัวอักษร ภาษาไทยไม่มีการเว้นวรรคระหว่างคำ และนิยามคำของ LST20 อาจต่างจากพจนานุกรมทั่วไป

แนวทาง

• • Baseline PyThaiNLP: ลองก่อนด้วย library มาตรฐาน (~65-75% F1)
• • WangchanBERTa + CRF: ใช้ BERT ที่ pretrained บนข้อมูลไทย + Conditional Random Field layer
• • Dictionary + Neural Ensemble: รวมระบบ dictionary-based กับ neural network
• • Character Embeddings: Fine-tune embedding สำหรับคำไทยที่ปรากฏน้อย

โจทย์ที่สำคัญ

จำแนก 5 ระยะการนอน — ตื่น (W), หลับตื้น N1/N2, หลับลึก N3 และ REM จากข้อมูล wearable sensor 8 ช่อง 30 วินาทีต่อ segment ที่ 16 Hz ความท้าทายคือการแยกระหว่างระยะที่คล้ายกัน

แนวทาง

• • Feature Engineering: Statistical features (mean, std, skewness, kurtosis) + FFT + HRV metrics
• • XGBoost/LightGBM Baseline: ทรี-based models ที่ทำงานดีกับ tabular features
• • CNN + LSTM Temporal: จับความสัมพันธ์ตามเวลาและรูปแบบเชิงพื้นที่
• • Subject-adaptive Normalization: normalize ข้อมูลต่าง subject แยกกัน
• • Class Rebalancing: ใช้ weighted loss หรือ SMOTE สำหรับ class ที่ไม่สมดุล

โจทย์ที่สำคัญ

ทำนายว่ามีโรคหัวใจหรือไม่ — จุดสำคัญคือใช้ F2-Score ที่ให้น้ำหนัก recall มากกว่า precision ถึง 4 เท่า หมายความว่า พลาดผู้ป่วยจริงมีโทษหนักกว่าแจ้งเตือนผิด

แนวทาง

• • Feature Engineering: สร้าง metabolic syndrome score, cardiovascular risk index
• • Stacking Ensemble: LightGBM, XGBoost, CatBoost, Random Forest เป็น Level 0, LogisticRegression รวมผล
• • F2-optimized Threshold: หา threshold ที่ optimize F2 ไม่ใช้ 0.5 แบบ default
• • Hyperparameter Tuning: Optuna หรือ GridSearch บน validation fold
• • Cross-validation: Stratified K-fold เพื่อเก็บสัดส่วน class

โจทย์ที่สำคัญ

สร้างคำบรรยายภาษาไทยจากรูปภาพ — ต้องถูกทั้งเนื้อหาและไวยากรณ์ ความท้าทายคือการเชื่อมวิศัยทัศน์คอมพิวเตอร์กับการประมวลผลภาษาธรรมชาติในโลกมัลติโมดัล

แนวทาง

• • Vision Encoder: CLIP image encoder (pretrained) เพื่อแยกลักษณะเชิงความหมาย
• • Fine-tune Thai Language Model: เอา Thai-LLM (เช่น WangchanGPT หรือ Thai-Llama) มา fine-tune
• • Beam Search Decoding: ไม่ใช้ greedy; ให้ model explore หลาย path เพื่อหาข้อความดีที่สุด
• • Evaluate with BLEU: วัดความคล้ายคลึงระหว่าง predicted captions กับ ground truth
• • Fusion Architecture: concat หรือ cross-attention ระหว่าง image embedding และ text embedding