오늘날 AI라고 불리는 것들의 대부분 뒤에는 머신러닝이 있습니다. 모두가 이러한 시스템을 사용하지만, 모델이 실제로 어떻게 학습되는지, 왜 그런 예측을 하는지, 그리고 언제 오류가 발생하는지 등 작동 원리를 배우는 사람은 거의 없습니다. 그러한 이해를 돕는 것이 바로 International Machine Learning Competition입니다. 학생들은 기초부터 최신 연구에 이르기까지 세 번의 라운드를 통해 머신러닝 문제를 해결하며 전 세계 학생들과 경쟁합니다. 시작하는 데 사전 경험은 필요하지 않습니다.

Vision, Mission, and Values

International Machine Learning Competition은 배경, 학교 또는 기관에 관계없이 모든 국가의 모든 학생이 접근할 수 있는 것을 목표로 합니다. 이를 위해 International Machine Learning Competition은 오늘날의 기술과 인터넷을 통한 글로벌 연결을 활용하여 이 대회를 가능하게 합니다. 참여하는 데 필요한 것은 펜, 종이, 그리고 인터넷 연결뿐입니다!

도구를 사용하는 것과 그것을 이해하는 것은 별개의 문제입니다. 누구나 모델을 실행할 수는 있습니다. 하지만 그것이 왜 작동하는지 이해하려면 수학, 통계학, 프로그래밍이 필요하며, 이러한 지식은 결과의 신뢰 여부를 판단할 수 있게 해줍니다. 우리는 학생들이 단순히 '무엇(what)'을 넘어 '어떻게(how)'를 배우기를 원합니다. 모델이 데이터로부터 어떻게 학습하는지, 어디에서 실패하는지, 그리고 어떻게 더 나은 것을 만들 수 있는지를 말이죠. 오늘날 이러한 시스템을 이해하는 학생들이 바로 다음에 올 기술을 설계할 주인공들입니다. 우리의 목표는 학생들이 조기에 이 단계에 도달할 수 있도록 돕고, 학생, 학부모, 교사 모두가 쉽게 참여할 수 있는 프로그램을 만드는 것입니다.

IMLC의 특별한 점은 무엇인가요?

대회 형식이 IMLC의 필수적인 부분이지만, 주요 목표는 학생들이 머신러닝에 참여하도록 독려하고 이 분야 및 관련 분야에 대한 관심을 불러일으키는 것입니다. 결과적으로 IMLC는 학습 경험으로서 학생들에게 동기를 부여하고, 실험적인 문제 해결 형식을 통해 배울 수 있는 기회를 제공합니다. IMLC 프로그램의 주목할 만한 특징은 다음과 같습니다:

• Internationality:
  International Machine Learning Competition은 첫 번째 라운드부터 글로벌 대회로 진행됩니다. 모든 참가자는 매 라운드마다 동일한 문제를 해결합니다. 이를 통해 공정한 평가가 가능하며, 보통 국제 라운드에 참여하는 소수의 국가별 Ambassador들에게만 주어지는 국제적 교류의 기회를 모든 참가자에게 제공합니다.


• Digital Accessibility:
  이 대회는 현대 인터넷의 가능성을 활용하여 국가, 지역 또는 학교 소속에 관계없이 모든 학생에게 참여 기회를 제공합니다. 교사의 지원을 받는 것이 유익하지만, 전 세계 어디에서나 개인으로서 언제든지 참여할 수 있습니다.


• Experimental Formats:
  IMLC 경험의 일부인 문제 형식은 전통적인 대회에서는 흔하지 않으며, 차별화된 학습 경험을 목표로 합니다. 여기에는 사고를 자극하는 수정이나 문제 유형을 통해 학교에서 접하는 전형적인 형식을 확장하거나, 특정 주제에 관한 연구를 더 깊이 파고들어야 하는 문제들이 포함됩니다.


• Real-World Research:
  학생들이 실제 연구 사례를 접할 수 있게 하는 것은 필수적인 특징입니다. Pre-Final Round에는 보통 최근에 발표된 연구 논문이 문제 형식의 일부로 포함되는데, 이는 IMLC만의 독특한 점입니다. 많은 참가자에게 이는 실제 머신러닝 연구에 대해 처음으로 배우는 계기가 되며, 우리는 이러한 학습 경험을 확장할 수 있도록 추가적인 지원을 제공합니다.


• Adjusted Difficulty:
  문제들은 머신러닝에 열정을 가진 학생뿐만 아니라 학교 커리큘럼을 넘어 막 관심을 갖기 시작한 학생들에게도 매력적이도록 설계되었습니다. 모두가 긍정적인 경험을 할 수 있도록, 난이도는 학교에서 흔히 볼 수 있는 접근하기 쉬운 문제부터 독특한 형식을 포함하는 도전적인 문제까지 조절되어 제공됩니다.


• Online Tools for Teachers:
  우리는 교사와 학교에 보충 자료를 제공하며 매 회차마다 지원을 아끼지 않습니다. 교사는 학생들의 제출물을 관리하고, 결과 및 인증서를 추적하며, Final Round Exam을 감독할 수 있는 전용 인터페이스를 사용할 수 있습니다.


• Local Groups & Ambassadors:
  IMLC은 연례 대회를 훨씬 뛰어넘는 활동을 지향하므로, 전 세계적으로 머신러닝 및 IMLC와 관련된 로컬 학생 그룹(밋업 및 기타 이벤트 포함)의 형성을 강력히 권장하고 지원합니다. IMLC Ambassador Program은 의욕적인 학생과 멘토들이 다른 youths가 머신러닝에 참여하도록 독려하고, 모델을 구축하고 이해하는 데 뜻이 있는 학생들을 모으는 지역 커뮤니티를 구축할 수 있도록 돕습니다.


• Supportive Alumni Network:
  우리의 alumni 네트워크는 각 참가자의 학업 커리어를 지원하기 위해 장학금이나 후원 이벤트와 같은 다양한 관련 기회를 공유하는 등 국제적 교류를 장려합니다.

IMLC은 다른 대회와 어떻게 다른가요?

International Machine Learning Competition을 다른 대회와 비교하는 것은 오해의 소지가 있을 수 있습니다. IMLC는 기존의 대회나 국가별 변형 대회들의 대안이 되려는 것이 아니며, 오히려 학생들이 그러한 기회에 적극적으로 참여할 것을 권장합니다.

대신, IMLC은 특히 머신러닝 및 관련 주제에 막 관심을 갖기 시작한 광범위한 학생들을 참여시키기 위해 설계된 보충 프로그램 역할을 합니다. 이 프로그램은 접근성에 초점을 맞추어, 모든 숙련도의 학생들이 머신러닝 모델이 어떻게 작동하는지 탐구하고 이해를 넓힐 수 있는 플랫폼을 제공합니다.

연례 대회가 중심 요소이긴 하지만, IMLC은 주로 경쟁을 위해 구조화된 것이 아니라 학습 경험을 우선시합니다. 실험적인 문제 형식과 실제 연구 주제를 통해, 이 대회는 표준 학교 커리큘럼을 넘어 전통적인 대회 내용과는 다른, 사고를 자극하는 도전 과제들을 학생들에게 소개합니다. 이러한 접근 방식은 다양한 수준의 전문성을 가진 학생들에게 어필하며, 호기심과 창의성을 자극하는 접근하기 쉬운 문제와 더 심화된 과제를 모두 제공합니다.

또한, IMLC는 학교나 국가에 의존하지 않는 독립적인 플랫폼을 제공함으로써 학생들에게 힘을 실어줍니다. 참가자들을 글로벌 네트워크로 연결하여 국제적인 협력과 교류를 장려합니다. 강력한 alumni 커뮤니티와 교사 및 로컬 그룹을 위한 지원 리소스를 갖춘 IMLC은 단순한 대회를 넘어섭니다.

History, Organization, and Funding

International Machine Learning Competition은 다음 기관에 의해 조정됩니다: Edu.Harbour 또한 매년 국제적인 수준에서 개최됩니다. 조직 팀은 지속적으로 발전하고 있으며, 대부분의 팀원은 독일에 기반을 두고 있습니다. 이 아이디어는 Edu.Harbour가 조정하는 다른 국제 대회의 성공 이후, 머신러닝의 매혹적인 세계를 다루는 유사한 온라인 대회를 설립하려는 목표로 형성되었습니다.

IMLC 2026의 전체 조직 팀은 이 페이지에서 확인할 수 있습니다: Organizing Team of 2026 ↗

이러한 국제 대회를 운영하는 데에는 인적 자원, 기술 인프라, 자료 등을 포함한 상당한 비용이 발생합니다. 독립적이고 전 세계적으로 접근 가능한 프로그램으로서, IMLC은 이러한 비용의 일부를 부담해 주는 후원사들에게 감사를 표합니다. 나머지 비용은 Pre-Final Round 등록비와 같은 참가자 기여금을 통해 충당됩니다. (Flyer) ↗.

성장하는 대회로서, IMLC은 참가자들의 경험을 향상시키고 전 세계적으로 그 영향력을 확대하기 위해 매년 지속적으로 발전하고 개선되고 있습니다!