[PYTHON] [Pour les non-programmeurs] Comment marcher Kaggle

Cet article est le troisième jour du calendrier de l'Avent dans Calendrier de l'Avent Kaggle 2019.

J'espère que cela sera utile pour ceux qui pensent que "** Kaggle est intéressé, mais c'est juste et effrayant ... **"!

• Les informations suivantes datent de décembre 2019

Jusqu'à ce que je rencontre Kaggle

Mon parcours avant de rencontrer Kaggle est le suivant.

--Marketer ⇒ Consultant --De arts libéraux (majeure en histoire de l'art) --Inexpérimenté en programmation (juste touché HTML)

• Il n'y a que de la crainte sur l'écran noir ...

J'étais dans un tel état, mais l'année dernière, j'ai étudié Python et l'apprentissage automatique et j'ai réussi à comprendre Kaggle. Alors, je m'écrirai il y a un an qu'il est bon de le savoir.

Public cible

À qui?

--Je souhaite améliorer mes compétences en analyse de données / apprentissage automatique --Kaggle a l'air amusant, mais inexpérimenté en programmation

• Principalement des spécialistes du marketing et des planificateurs

quelle?

--Kaggle vaut la peine d'essayer!

• Kaggle Le contenu n'est pas pour les fous.
• Surtout subjectivité personnelle (soi-disant poème)

Qu'est-ce que "Kaggle"?

Qu'est-ce que Kaggle

En un mot, c'est le Tenkaichi Budokai de l'analyse de données utilisant le «machine learning».

Données à analyser

• Les entreprises fournissent des données et des thèmes et organisent des concours
• Les thèmes vont des soins médicaux, du marketing, de la finance, etc.

Période de compétition

――Pendant environ 1 à 3 mois

• Relativement long

Classement

--Créez un modèle d'apprentissage automatique et classez-le en fonction du résultat de prédiction du modèle

Prix

――Il y a aussi un concours où des prix seront remis aux meilleurs joueurs --En décembre 2019, le concours DSB actuellement organisé est n ° 1 pour 100000 $ (environ 10 millions de yens!)

Frais d'entrée

• gratuit!

Utilisateur enregistré

• Environ 120 000 personnes (en décembre 2019) * Source de référence

À propos du rang

Kaggle a 5 rangs en fonction de sa force. (Strictement parlant, vous pouvez obtenir un rang non seulement par votre force dans la compétition mais aussi par votre contribution à la communauté Kaggle telle que les noyaux, les discussions, les ensembles de données)

--Grandmaster * Le plus fort ...!

• Master
• Expert
• Contributor --Novice * D'abord d'ici

Il n'est pas exagéré de dire que les personnes qui travaillent sur Kaggle (communément appelé Kaggler) passent beaucoup de temps chaque jour à essayer de rivaliser afin d'élever (probablement) ce rang.

Nombre de personnes par rang

Le nombre de personnes en décembre 2019 est le suivant

Image de chaque rang

Il s'agit d'un aperçu et d'un diagramme d'image de chaque rang. (C'est juste subjectif)

Classer les conditions

Cliquez ici pour les conditions de classement. (En Compétitions) L'expert demande soudainement une médaille. .. .. Si vous êtes un débutant, vous voulez d'abord viser Expert.

Conditions d'acquisition des médailles

Il existe trois types de médailles: or, argent et bronze.

Cliquez ici pour les conditions d'acquisition des médailles. (En Compétitions) Les conditions strictes varient selon le nombre de participants, mais ce qui suit est un guide.

• Gold：Top10
• Silver：Top 5%
• Bronze：Top 10%（※）

• Soudain, Top 10%! Vous pourriez penser, mais une théorie est que le simple fait de recueillir des informations sur la compétition (cahiers, discussions, etc.) n'est pas un rêve pour obtenir le bronze ... (biais possible du survivant) )

Par exemple, un tel concours

Prédiction des survivants du naufrage du Titanic

• Titanic: Machine Learning from Disaster
• Concours "Hello World" chez Kaggle ―― Puisqu'il s'agit d'un concours d'entraînement, il n'y a pas de fin de période particulière
• Prédire si le passager survivra ou non en fonction de données telles que le sexe, l'âge, le port d'embarquement et le rang de cabine du passager.

Prédire la vitesse à laquelle les chiens et les chats seront ramassés dans les animaleries

• PetFinder.my Adoption Prediction
• Tenu de décembre 2018 à mars 2019 ――Le premier prix est de 10000 dollars
• Prédire la vitesse à laquelle l'animal sera adopté en tant qu'enfant en fonction de données telles que le profil, la description et les photos de chaque animal.
• Concurrence pratique pour prédire en fonction de plusieurs sources telles que des données de table, des images et du texte

Avantages de faire Kaggle

J'ai énuméré trois avantages de faire Kaggle.

① Comprenez vos propres compétences en science des données (prouvez également)

Les compétences en science des données sont difficiles à mesurer sans pratique. Cependant, gagner des médailles et des grades à Kaggle peut prouver vos compétences approximatives en science des données. Récemment, le nombre d'entreprises qui adoptent Kaggle augmente progressivement, ce qui est également une preuve lors de la montée en puissance.

② Apprenez le savoir-faire des data scientists du monde entier (gratuitement!)

Comme je l'ai appris en participant au concours, Kaggle a une merveilleuse culture de partage de savoir-faire et d'informations, pas seulement de concurrence avec les autres. En particulier, "Notebooks" explique le savoir-faire et les tendances de la science des données d'une manière facile à comprendre avec le code, et est recommandé pour les débutants.

③ Vous pouvez comprendre ce que fait l'apprentissage automatique au niveau de la peau

De nos jours, l'apprentissage automatique est de plus en plus intégré dans les applications et les outils marketing qui nous entourent. Avec Kaggle, vous pouvez maîtriser le processus de modélisation de l'apprentissage automatique, ce qui vous permet d'avoir une idée de ce que vous pouvez et ne pouvez pas faire avec l'apprentissage automatique.

Kaggle devrait commencer ici

Il semble y avoir divers désaccords, mais il y a trois points personnels ci-dessous.

(1) Machine learning / Python Si vous n'avez aucune connaissance, sélectionnez un manuel "Matsuo Lab"!

Laboratoire Matsuo de l'Université de Tokyo, célèbre pour l'apprentissage automatique / IA.

Vous pouvez télécharger gratuitement le texte du "Cours de formation de Data Scientist" organisé par le Laboratoire Matsuo. C'est incroyable, c'est un incident! Le texte et le code Python expliquent soigneusement le niveau d'obtention du diplôme d'apprentissage automatique du débutant, donc si vous avez des difficultés à comprendre le contenu de Kaggle, je pense que vous devriez le compléter.

▼ Cliquez ici pour télécharger le texte "Matsuo Lab" https://weblab.t.u-tokyo.ac.jp/gci_contents/

② Utilisez "Cahiers" pour copier ceux qui ont obtenu un nombre élevé de votes et maîtrisez-le!

Comme je l'ai mentionné plus tôt, les «cahiers» de chaque compétition sont un trésor.

Si vous choisissez un concours sur lequel il semble facile de travailler, il est recommandé de copier un cahier avec un nombre élevé de votes dans "Cahiers". Les blocs-notes avec un nombre élevé de votes sont soigneusement sélectionnés et faciles à comprendre, de sorte que vous pouvez revivre le flux de l'acquisition de données à la soumission des résultats du modèle en copiant, et vous pouvez apprendre les astuces de l'apprentissage automatique.

③ Si vous êtes seul, vous serez bloqué sans information, il est donc recommandé de vous connecter avec quelqu'un!

Kaggle est une bataille individuelle de base. Cependant, la période de compétition est aussi longue que 1 à 3 mois, et la motivation peut baisser ou s'enliser.

Dans un tel cas, si vous avez des amis qui font Kaggle, vous pouvez partager des informations utiles (le partage privé est NG) et vous encourager mutuellement, et vous pouvez profiter davantage de Kaggle.

Personnellement, je recommande les trois suivants.

--Accédez aux séminaires liés à Kaggle (connpass, etc.) --Suivez Kaggle sur Twitter

• Rejoignons la communauté Kaggle librement

à la fin

Kaggle est une excellente plate-forme pour les utilisateurs débutants à avancés de l'apprentissage automatique / analyse de données.

Lorsque vous faites Kaggle, vous pouvez rivaliser avec les meilleurs data scientists du monde entier, partager des informations et apprendre. Cependant, quand j'y réfléchis attentivement, je me suis rendu compte que c'était incroyable, et en écrivant cet article, je l'ai réalisé à nouveau.

A partir de maintenant, j'aimerais apporter une petite contribution pour garder Kaggle une bonne plateforme! (Tout d'abord, je veux une médaille ...)