Repository นี้ จัดทำขึ้นมาเพื่อรวบรวม Code และแชร์เทคนิคต่าง ๆ ที่ได้รับจากค่าย SuperAI หวังว่าจะเป็นประโยชน์แก่ผู้เข้าชมทุกท่านให้ได้รับความรู้กลับไป
ไม่มากก็น้อย หากมีข้อผิดพลาดตัวผมขออภัยมา ณ ที่นี้ด้วยนะครับ (จาก HexTex Optimizer SS4 🔥🔥🔥)
- N'Jane 🐶 : https://github.com/jjentaa
- N'PP 🦆 : https://github.com/Makufff
โดยใน Repository นี้ จะประกอบไปด้วย Code Hackathon จาก Level 1 , Level 2 และ Individual Hackathon แบ่งไปตามระดับนะครับ
| # | Hackathon | Task | Tools |
|---|---|---|---|
| 0 | 🍰 Pre-Hackathon Diabetes Prediction | Tabular Classification | AutoGluon |
| 1 | 🔎 Image Search | Zero-shot Retrieval (open-set) | SigLIP 2 · transformers · PyTorch |
| 2 | 🗃️ ThaiJO Researcher | Data Cleaning | pandas · regex |
| 3 | 🔊 UWB Pose Prediction | Signal Classification | timm (MaxViT) · PyTorch |
| 4 | 💧 Soil Water Prediction | Tabular Regression | AutoGluon |
| 5 | 📔 Nithan Chadok NER | Named Entity Recognition | PyThaiNLP · Spark NLP |
| 6 | 📷 OCR 🚧 | Optical Character Recognition | — |
| # | Hackathon | Task | Tools |
|---|---|---|---|
| 1 | 💬 Image Captioning | Vision-Language | BLIP-2 · transformers |
| 2 | 📄 Table Question Answering | LLM Agent | LangChain · GPT-4o |
| 3 | ⚖️ Legal Act Classification | Rule Reasoning (LLM) | Qwen3.8 · OpenRouter · rule engine |
| 4 | 🧠 Brain Motor Imagery | EEG Signal Classification (cross-subject) | MNE · pyRiemann · braindecode |
| 5 | 💸 Home Credit Risk 🚧 | Tabular Classification | — |
| 6 | 🏥 Liver Ultrasound Detection | Medical Image Classification | Lightning ⚡ · MaxViT |
| 7 | 🌏 Forest Type Classification | Tabular Classification | AutoGluon · CatBoost · XGBoost |
| # | Hackathon | Task | Tools |
|---|---|---|---|
| 1 | 🪪 License Plate Recognition 🚧 | OCR / Detection | — |
| 2 | 📔 Nithan Chadok Hybrid OCR-NER 🚧 | OCR + NER | — |
| 3 | 🚗 Car Prediction | Tabular Classification | AutoGluon |
| 4 | ♨️ Temperature Prediction | Tabular Regression | CatBoost · XGBoost · AutoGluon |
| 5 | 😴 Sleep Stages Classification | Wearable Sleep Staging (3 คลาส, cross-subject) | scipy · LightGBM · BiLSTM/TCN · Viterbi |
หมายเหตุ : 🚧 คือ Notebook ที่ยังเป็น Placeholder อยู่ครับ เดี๋ยวจะทยอยเติม Code ให้ครบนะครับ 🙏
โดยในรอบนี้ จะทำการคัดผู้เข้าร่วมโครงการจากการให้ทำ Hackathon ทั้งหมด 6 ครั้ง (มี Pre-Hackathon 1 ครั้งด้วย) ประกอบไปด้วย
- 1.Pre-Hackathon Diabetes Prediction
- 2.Image Search
- 3.Thaijo Researcher
- 4.UWB Pose Prediction
- 5.Soil Water Prediction
- 6.Nithan Chadok NER
- 7.OCR
🍰 ใน Hackathon นี้ ไม่มีอะไรเป็นพิเศษมาก เนื่องจากเป็น Hackathon ในคาบทดลอง Kaggle เพื่อเตรียมพร้อมสำหรับการทำ Hackathon ต่อ ๆ ไป โดยในโจทย์นี้มีจุดประสงค์เพื่อให้ทำ Machine Learning เพื่อแก้ปัญหาในการคัดแยกผู้ป่วยที่มีความเสี่ยงเป็นโรคเบาหวาน (Classification) โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Tabular Classification | Tools : AutoGluon , pandas
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_1/Pre_Diabetes_Prediction
🔎 ใน Hackathon นี้ เป็น Hackathon เรื่อง Image Search หรือให้อธิบายง่าย ๆ ก็คือ มีข้อมูลที่เป็น รูปภาพ เข้ามาแล้วให้ทายว่ารูปภาพที่เข้ามานั้น คล้ายกับ รูปภาพใดใน folder queries ที่มีให้ คล้าย ๆ งาน Classification แต่เราจะใช้วิธีการที่เรียกว่า Similarity Search ในการตอบคำถามนี้
รอบนี้เขียนใหม่เป็น Python package ที่ benchmark encoder แบบ zero-shot 16 ตัวบน validation ที่สร้างเองจาก train/ ประเด็นหลักคือ คอขวดไม่ได้อยู่ที่ backbone แต่อยู่ที่การตัดสินว่า "ไม่ตรงสักอัน" — public 0.936 → 0.961 โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Zero-shot Logo Retrieval (open-set) | Tools : SigLIP 2 (
google/siglip2-base-patch16-384) , transformers , open_clip , PyTorch
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_1/Hack_1_Image_Search
🗃️ ใน Hackathon นี้ นับเป็น Hackathon ที่ เหนื่อยที่สุด เลยก็เป็นได้ เนื่องจาก Hackathon นี้ จัดทำขึ้นมาเพื่อให้ Clean Dataset!!! คุณอ่านไม่ผิดครับ ใช่ครับ คุณจะได้เทคนิคในการ clean data จาก Thaijo แบบ จะเป็นจะตาย รับรองความสนุกเป็นทุกข์ไปด้วยกัน โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Data Cleaning / Text Preprocessing | Tools : pandas , regex
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_1/Hack_2_Thaijo_Researcher
🔊 ใน Hackathon นี้ จะเป็นการทำ Signal Classification จาก สัญญาณ Ultra-Wide-Band โดยจะให้ทำการ Classified ท่า Pose ต่าง ๆ จากตัวสัญญาณ และ มีเทคนิคในการทำ signal to image เข้ามาเพิ่มเติมด้วย โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Signal Classification (signal → image) | Tools : timm (
maxvit_base_tf_384) , PyTorch , torchvision
💧 ใน Hackathon นี้ จะเป็นการทำ Regression ความชื้นในดินด้วยข้อมูล tabular ที่ได้รับมาในวันอื่น ๆ เป็น Hackathon ที่เน้นในการทำ Machine Learning และการวิเคราะห์ features โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Tabular Regression | Tools : AutoGluon , pandas
📔 ใน Hackathon นี้ จะเป็นการทำ Named-Entity-Recognition ใน นิทานชาดก โดยความยากคือเราจะได้ dataset สุดมหัศจรรย์ โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Named Entity Recognition (Token Classification) | Tools : PyThaiNLP , transformers , Spark NLP , seqeval
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_1/Hack_5_NithanChadok_NER
📷 ใน Hackathon นี้ จะเป็นการทำ OCR โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Optical Character Recognition | Tools : 🚧 กำลังจัดทำ
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_1/Hack_6_OCR
โดยในรอบนี้ จะทำการคัดผู้เข้าร่วมโครงการจากการให้ทำ Hackathon ทั้งหมด 7 ครั้ง ประกอบไปด้วย
- 1.Image Captioning
- 2.Table Question Answering
- 3.Legal Act Classification
- 4.Brain Motor Imagery
- 5.Home Credit Risk
- 6.Liver Ultrasound Detection
- 7.Forest Type Classification
💬 ใน Hackathon นี้ นับเป็น Hackathon แรกสุดจากทางโครงการ โดยเป็นการแข่งแบบ On-Site โดยเป็นการแข่งบรรยายรูปภาพเป็นข้อความจาก Coco dataset และ IPU-24 ของทางโครงการ โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Image Captioning (Vision-Language) | Tools : BLIP-2 (
Salesforce/blip2-opt-2.7b) , transformers , PyTorch
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_2/Hack_1_Image_Captioning
📄 ใน Hackathon นี้ นับเป็น Hackathon ที่กิน Resource มากที่สุด เพราะต้องทำงาน Table-Question-Answering บน Data ขนาดใหญ่ และยังเป็นสัปดาห์ที่มีโอกาสได้ใช้ในตัวของ Lanta อีกด้วย โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Table Question Answering (LLM Agent) | Tools : LangChain , GPT-4o , pandas
⚖️ ใน Hackathon นี้ นับเป็น Hackathon ที่ต้องมีการพึ่งพา Domain Expert สูงมาก เพราะเป็นโมเดลทางด้านกฎหมาย โดยในสัปดาห์นี้เราจะต้องให้โมเดลตอบคำถามทางกฎหมายว่า หากมีเงื่อนไขตามโจทย์ การทำสัญญาเช่นนี้ ๆ สามารถทำได้หรือไม่ ?
โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Rule Reasoning (text → boolean) | Tools : Qwen3.8 , OpenRouter , bipartite matching
🧠 ใน Hackathon นี้ นับเป็น Hackathon ที่ยากลำบากที่สุด เนื่องจาก Data ที่ได้รับมาใช้งานยากมาก มี Noise และมีรูปแบบที่มองยาก นับเป็น Hackathon ที่มีความยากด้าน Technical มากที่สุด โดยในงานนี้เราได้รับบทเป็นคุณหมอที่จะต้อง Classified ว่าหากมีสัญญาณสมองที่ได้รับมาตามนี้ ๆ ผู้ทดสอบกำลังคิดว่าเคลื่อนที่ไปทาง ซ้าย - ขวา หรือ Resting โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : EEG Signal Classification (3 คลาส, cross-subject) | Tools : MNE , pyRiemann , braindecode , PyTorch
รอบเดิม :hack4_preprocess.ipynb+hack4_visualize-2.ipynb(Colab, EEGNet) ได้ 0.315 บน leaderboard ขณะ baseline ผู้จัด 0.565
รอบใหม่ (2026) : rebuild เป็น Python package (MNE · pyRiemann · braindecode) — EDA พบว่า test คือคนใหม่ 2 คน และเครื่องคือ Unicorn Hybrid Black 8 ช่อง · Riemannian covariance + alignment ต่อ session ได้ 0.638 public / 0.607 private ด้วย EEG ล้วน ชนะ baseline ผู้จัด 0.565 และทุกทีมในรอบเดิม · รายละเอียด ablation 56 แบบใน README ของโฟลเดอร์
💸 ใน Hackathon นี้ นับเป็น Hackathon ที่มี Data ขนาดใหญ่ เป็นงานที่จะต้องมองความเสี่ยงในการอนุมัติสินเชื่อ โดยให้ Classified ว่าบุคคลคนที่สามารถจ่ายหนี้ได้หรือไม่ ? โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Tabular Classification | Tools : 🚧 กำลังจัดทำ
https://github.com/xHexlabx/SuperAI_SS4_Recap/tree/main/SuperAI_SS4_Level_2/Hack_5_Home_Credit_Risk
🏥 ใน Hackathon นี้ นับเป็น Hackathon ที่ต้องทำงานร่วมกับ Medical Image โดยทำการ Detection เนื้องอกชนิดต่าง ๆ ในตับ รวมถึง มะเร็งตับ อีกด้วย โดยใน Hackathon จำเป็นต้องทำการ Augment Data ค่อนข้างมากเพราะจำเป็นต้องต่อยอดผลลัพธ์เพื่อให้คุณหมอสามารถใช้งานโมเดลผ่านรูปถ่าย Ultrasound จากโทรศัพท์ได้ โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Medical Image Detection / Classification | Tools : PyTorch Lightning ⚡ , timm (
maxvit_tiny_tf_224) , torchmetrics
🌏 ใน Hackathon นี้ นับเป็น Hackathon ที่สามารถทำได้ง่ายที่สุดเพราะออกแบบมาเพื่อให้เป็น Individual Hackathon โดยในงานนี้เราจะได้รับบทเป็นนักวิเคราะห์เซนเซอร์จากดาวเทียม เพื่อวิเคราะห์ว่าจากข้อมูลที่ได้รับมานั้น เป็นข้อมูลของป่าเบญจพรรณ (MDF) ป่าเต็งรัง (DDF) หรือป่าดิบแล้ง (DEF) เป็นโจทย์ Tabular Data Classification นั่นเอง โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Tabular Classification | Tools : AutoGluon , CatBoost , XGBoost , SMOTE (imblearn) , PyTorch Lightning
ไฟล์ในโฟลเดอร์ :Forest_Type_Classification.ipynb(Baseline 3 คลาสรวด) ,Forest_Type_Double_Classifier.ipynb(แตกเป็น 2 ชั้น DEF/NON-DEF → MDF/DDF) ,Forest_Type_Double_Classifier_MLP.ipynb(เวอร์ชัน MLP)
โดยในรอบนี้ จะทำการคัดผู้เข้าร่วมโครงการจากการให้ทำ Hackathon ทั้งหมด 5 ครั้ง ประกอบไปด้วย
- 1.License Plate Recognition
- 2.Nithan Chadok Hybrid OCR-NER
- 3.Car Prediction
- 4.Temperature Prediction
- 5.Sleep Stages Classification
🪪 ใน Hackathon นี้ จะเป็นการอ่านป้ายทะเบียนรถจากรูปภาพ โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : License Plate Recognition | Tools : 🚧 กำลังจัดทำ
📔 ใน Hackathon นี้ จะเป็นการนำงาน OCR และ NER มารวมร่างกันเป็น Pipeline เดียว คือ อ่านตัวอักษรจาก นิทานชาดก ออกมาก่อน แล้วค่อยหา Entity ต่อ โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : OCR + Named Entity Recognition | Tools : 🚧 กำลังจัดทำ
🚗 ใน Hackathon นี้ จะเป็นการทำนายผลจากข้อมูล แบบสอบถาม (Questionnaire) ที่มีทั้งอาชีพ พฤติกรรมการใช้ Social Media ต่าง ๆ ความสนุกจะอยู่ที่การจัดการ Missing Value ที่ถูกเข้ารหัสมาเป็น 888 / 999 และการตัด features ที่ไม่จำเป็นทิ้ง โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Tabular Classification | Tools : AutoGluon , pandas
♨️ ใน Hackathon นี้ จะเป็นการทำ Regression ทำนายอุณหภูมิจากข้อมูลสถานีตรวจวัดอากาศ โดยจะได้เล่นกับการทำ Feature Engineering จาก เวลา และการตัด column ที่เป็นรหัสพื้นที่ต่าง ๆ ทิ้ง แล้วเทียบผลระหว่าง Gradient Boosting กับ AutoGluon โดยสามารถติดตามวิธีการได้ใน Repository นี้
Task : Tabular Regression | Tools : CatBoost , XGBoost , AutoGluon , scikit-learn
😴 ใน Hackathon นี้ จะเป็นการ Classified ระยะการนอนหลับ (ตื่น / หลับธรรมดา / หลับฝัน) จากสัญญาณชีวภาพทีละ 30 วินาที (1920 rows) นับเป็นงานที่ได้ใช้ทั้งความรู้ด้าน Signal Processing และ Machine Learning
รอบนี้เขียนใหม่เป็น Python package — EDA พบว่าข้อมูลคือสายรัดข้อมือ Empatica E4 (ชุด DREAMT) ไม่ใช่ EEG และที่สำคัญกว่านั้นคือ ไฟล์ test เรียงตามเวลาและต่อกลับเป็นคืนเดียวได้ จึงใช้ context ทั้งคืนแทนการตัดสินทีละ epoch โดด ๆ · รายละเอียดใน README ของโฟลเดอร์
Task : Wearable Sleep Staging (3 คลาส W/N/R, cross-subject) | Metric : macro F1 | Tools : scipy , LightGBM , PyTorch (BiLSTM/TCN) , Viterbi
รอบเดิม :Sleep_Stages_Classification.ipynb(FFT + AutoGluon) ได้ 0.58881 public / 0.59865 private อันดับ 28 จาก 156 ทีม (ที่ 1 ของตาราง 0.59331)
รอบใหม่ (2026) : rebuild เป็น Python package — HRV + feature การหายใจ (RIIV/RSA) + actigraphy → sequence model ทั้งคืน + calibration ต่อคลาส + Viterbi
SuperAI_SS4_Recap
├── assets # รูป banner ของแต่ละ Hackathon
├── SuperAI_SS4_Level_1 # Hackathon รอบคัดเลือก Level 1 (+ Pre-Hackathon)
├── SuperAI_SS4_Level_2 # Hackathon รอบคัดเลือก Level 2
└── SuperAI_SS4_Individual_Hackathon # Individual Hackathon
โดยในแต่ละ Hackathon จะมี README.md (รูปโจทย์ + สรุปโจทย์ + รายละเอียดไฟล์) และ Notebook ของงานนั้น ๆ อยู่ข้างในนะครับ
⭐ ถ้า Repository นี้มีประโยชน์ ฝากกด Star เป็นกำลังใจให้กันด้วยนะครับ ⭐