Skeletons Don’t Lie: Can AI Decode Your Moves?

🦴📊 Skeletons Don’t Lie: Can AI Decode Your Moves? 🤖

---

🧾 Kuvaus

Käytössämme on tietoaineisto, joka sisältää ihmisen liikesarjoja, joista jokainen koostuu useista ruuduista (FrameNumber).
Jokainen ruutu sisältää 25 kehon nivelen 3D-sijainnit, jotka on esitetty koordinaatteina:
J1X, J1Y, J1Z, ..., J25X, J25Y, J25Z.

Jokaiseen ruutuun liittyy sarjan tunniste (IDSample) ja kaksi merkintää:

• Action — suoritettu toiminto
• Camera — tallennuksessa käytetty kamera

Ymmärtääksesi paremmin 25 nivelen spatiaalista jakautumista:

---

🔢 Mahdolliset toiminnot

• 0: takin pukeminen (wear jacket)
• 1: hatun/lakin riisuminen (take off a hat/cap)
• 2: hyppely yhdellä jalalla (hopping)
• 3: hyppy ylöspäin (jump up)
• 4: kaatuminen (falling)

---

🎥 Mahdolliset kamerat

• 1: 45 asteen kulma (vasen tai oikea)
• 2: näkymä edestä
• 3: näkymä sivulta (vasen tai oikea)

---

🧮 Osatehtävä 1 — Ruutujen määrän laskeminen sarjaa kohden (10 pistettä)

Määritä jokaiselle yksilölliselle IDSample-tunnisteelle, kuinka monta ruutua on saatavilla testidata-aineistossa (test_data.csv).
Tämä analyysi auttaa ymmärtämään kunkin toiminnon aika-avaruudellista jakautumista.

---

🧠 Osatehtävä 2 — Sarjatason toimintojen luokittelu (40 pistettä)

Kouluta opetusdatan avulla luokittelumalli, joka kykenee tunnistamaan ruutusarjassa suoritetun toiminnon.
Sovella mallia testidataan ja ennusta jokaiselle yksilölliselle IDSample-tunnisteelle todennäköisin toiminto.

📊 Arviointimetriikka

Mallin suorituskykyä arvioidaan tarkkuudella (accuracy), joka määritellään seuraavasti:

Täydet pisteet edellyttävät vähintään 0.965 tarkkuutta.

---

🎥 Osatehtävä 3 — Kameran tunnistaminen (50 pistettä)

Kouluta opetusdatan avulla malli, joka kykenee ennustamaan, mikä kamera on tallentanut tietyn ruutusarjan.
Sovella mallia testidataan ja ilmoita jokaiselle IDSample-tunnisteelle todennäköisin kamera.

📊 Arviointimetriikka

Mallin suorituskykyä arvioidaan jälleen tarkkuudella (accuracy):

Täydet pisteet edellyttävät vähintään 0.8 tarkkuutta.

---

📦 Tulostusmuoto

Lopullisen tuloksen on oltava CSV-tiedosto nimeltään output.csv, joka sisältää tasan 3 saraketta:

subtaskID	datapointID	answer
1	IDSample tiedostosta test_data.csv	vastaus kyseiseen osatehtävään

---

🗂️ Hyödyllisiä resursseja

• Täydellinen Starter Kit – sisältää rungon tehtävän ratkaisemisen aloittamiseksi.
• Tehtävänanto PDF-muodossa – sisältää yksityiskohtaisen kuvauksen tehtävästä ja kuvat.