[無料Live] AIコンペティション受賞アルゴリズムを国際学会のOral論文へと発展させた過程

AIコンペティションの受賞アルゴリズムは、どのようにして国際学会の論文になったのか？

AI競進大会で優れた成績を収めることと、研究論文を作成することは、全く別の話のように思えます。

しかし、一つの問題を深く分析し、実験を繰り返しながら、その過程で発見したアイデアを一般化することができれば、コンペティションの経験を実際の研究へと発展させることができます。

今回のライブでは、947チームが参加したKリーグ-ソウル市立大公開AIコンテストで3位を記録した実際の経験をもとに、コンテストから始まったアイデアがどのようにInternational Conference on Automated Machine Learning (AutoML Conference 2026, https://2026.automl.cc/accepted-papers/) Methods Track Oral 論文へと発展したのか、その過程を共有します。

🎯 このような方々のためのライブです

• AIコンペティションに参加しているが、スコアアップ以上の経験を積みたい方

• コンペティションで得たアイデアを論文へと発展させたい方

• 機械学習・ディープラーニングの研究をどのように始めればよいか悩んでいる方

• 大学院でAI研究をしている学生

• AI研究と実務を繋げてみたい開発者・データサイエンティスト

• 国際学会の論文執筆プロセスが気になる方

• 実際の研究者が問題を定義し、アルゴリズムを発展させていく過程が気になる方

🏆 実際のコンペティションから始まった研究

今回のライブで紹介する研究は、最初から論文を書くために始めたプロジェクトではありませんでした。

実際のAIコンペティションで時系列予測問題を解決する過程から出発しました。

競技大会では限られた時間内に高いパフォーマンスを出すことが重要ですが、単にリーダーボードのスコアを上げることだけで研究が完成するわけではありません。

今回の研究では、コンペティションで使用したアルゴリズムを再分析しながら、

"なぜこの方法がうまく機能するのか？"

"どのような状況で限界が生じるのか？"

"このアイデアを他のデータや問題にも適用できるか？"

という問いを投げかけました。

そして、このような質問をもとに既存の方法を高度化し、新しい研究アイデアを発展させました。

🔬 競技会 → 研究アイデア → アルゴリズム → 論文

ライブでは、一つのアイデアが研究へと発展する過程を段階別に見ていきます。

1. 問題分析

時系列予測問題に初めて接した際、データをどのように捉え、問題を定義したのかについて説明します。

単にモデルを選択するのではなく、データの特性と問題の構造を分析し、どのような仮説を立てたのかを見ていきます。

2. アルゴリズム設計

コンペティションで実際に活用したアプローチと実験戦略を紹介します。

どのようなアイデアを試み、どのような方法が効果的だったのか、逆にどのようなアプローチが失敗したのかも併せて見ていきます。

3. 性能改善

リーダーボードのスコアを上げる過程で発見したパターンをどのように分析し、次の実験へと繋げたのかについて説明します。

単なるハイパーパラメータのチューニングではなく、問題への理解に基づきアルゴリズム自体を改善するプロセスに焦点を当てます。

4. 研究アイデアの導出

コンペティションで得た経験をそのまま使うのではなく、特定のデータセットに依存しない形でアイデアを一般化する過程を見ていきます。

この過程で、既存手法の限界をどのように発見し、新たな研究仮説を立てたのかを実際の事例を通じて説明します。

5. 新しいアルゴリズムへの発展

このような過程を通じて開発したFS-DCM (Frequency-Separated Dual-Context Modeling with Dynamic Local Volatility Weighting for Time-Series AutoML)のアイデアと設計背景を紹介します。

複雑な数式を単に羅列するのではなく、

なぜこのような構造が必要だったのか

どのような問題を解決するために設計したのか

従来の方法と何が違うのか

を中心に説明します。

6. 論文法

競技大会で得られた結果をどのように研究上の問い（リサーチクエスチョン）へと変え、論文の構成へと発展させたのかについても扱います。

実験結果を羅列することと研究論文を執筆することの違い、研究仮説と実験を繋げる方法などを、実際の論文執筆経験に基づいてお話しします。

7. 国際学会 Oral 採択

最終的に研究をAutoML Conference 2026 Methods Track Oral論文へと発展させるまでの過程と、研究経験を共有します。

📌 ライブで扱う内容

• AI 競技大会の問題を捉える方法

• 時系列予測問題の分析および実験戦略

• 受賞アルゴリズムの設計過程

• 性能改善のための実験方法

• 失敗した実験から研究のアイデアを見つける方法

• コンペティションのアイデアを一般化する方法

• 既存の方法の限界から新しいアルゴリズムを作る過程

• FS-DCMアルゴリズムの核心アイデア

• 実験結果を研究仮説へと繋げる方法

• コンペティションの結果を論文へと発展させる過程

• 国際学会の論文執筆および研究プロセス

• AutoML Conference 2026 Oral 採択の経験

💡 このライブを通じて得られること

競技大会で高いスコアを獲得する方法だけを話すのではありません。

今回のライブの核心は、一つの問題をいかに深く掘り下げて研究アイデアへと発展させるかです。

コンペティションで得た経験を単なる受賞歴で終わらせず、

問題解決 → 実験 → 受賞 → 限界の発見 → 研究仮説 → アルゴリズム開発 → 論文作成 → 国際学会

へと繋げる実際の過程をお見せします。

AIコンペに参加してはいるものの、「この経験をどのように研究へと発展させられるだろうか？」と悩んでいるなら、実際の事例を通じて具体的な方向性を得ることができます。

👨‍💻 講師紹介

仕事と延世大学校の人工知能修士課程を並行しながら、機械学習とディープラーニングを研究しています。

AIコンペティションに参加して実際の問題を解決し、入賞経験を積んだほか、コンペティションで得たアイデアを研究へと発展させ、AutoML Conference 2026 Oral論文を発表するに至りました。

現在、AI学習プラットフォーム모두의 AI(https://mdooai.com)を運営しながらAI学習者と共に歩んでおり、Upstage Certified Trainerとして生成AI教育やメンタリングも行っています。

研究、実務、そして教育現場で得た経験をもとに、AIを初めて学ぶ方から研究を始めようとする方まで、複雑なAI技術を分かりやすく正確に理解できるよう伝えています。

🚀 一つのコンペティションの経験が研究になるまで

入賞で終わるAIコンペティションではなく、

"この結果からどのような研究上の問いを立てられるだろうか？"

という視点で一緒に見ていきましょう。

AI競技会と研究の間のつながりを、実際の事例を通じて確認してみてください。