Kaggle

前言

本文转载自优达学城《机器学习工程师》

Kaggle 是一个极受欢迎的数据科学和机器学习挑战平台,有着极为活跃和不断壮大的社区。Kaggle 成员不仅可以争夺积分榜上的排名,公司和研究实验室在此提出的某些挑战题还设有丰厚奖金。

Kaggle 为您提供解决复杂现实问题的机会,您可通过解决这些问题磨练您的机器学习技巧,如果你的 Kaggle 个人页面中有积极参与和表现良好的记录,可以让你在申请工作时更具优势。

开始

准备好成为 Kaggle 的一员了吗?

1、前往 Kaggle 网站,并注册账号。
看一下 进行中的竞赛,有没有你感兴趣的项目?

2、选择一个项目,根据指导说明获取数据,编写并运行您的算法,最后提交解决方案。

3、如果你觉得这些项目过于复杂,可以查看以下内容:

Kaggle 脚本

使用 Kaggle脚本,你无需设置你的电脑(或下载所有数据),便可轻松开始解决挑战问题。

创建脚本

选择一个竞赛数据集,单击新脚本(New Script)或新记事本(New Notebook),选择你的语言偏好。

一般情况下,程序已为你提供了一些初始代码,教你如何下载所需数据。修改并运行代码,以浏览输出日志。你可直接在脚本中提交挑战的输出文件(格式通常为 .csv),很简单,对吧?

Fork 一个已有脚本

Kaggle 成员通常会将自己的解决方案提供给其他参赛者浏览和参考,请在竞赛的控制面板(Dashboard)中寻找脚本。

例如,与数字识别挑战有关的所有脚本都可在这里找到。让我们选择一个来详细了解:在 Python 中实现的简单感知分类器(一个单层神经网络)。点击 Fork 脚本(Fork Script )或 Fork 记事本(Fork Notebook)按钮来运行或修改脚本。

社群

成为 Kaggle 成员不仅意味着你可以乐此不疲地解决多种挑战,并为此付出每一份精力(我相信你的精力是源源不断的),你还会成为数据科学家和机器学习工程师社群的一员,为解决当今社会所面临的诸多实际问题贡献一份力量。

如果你在解决挑战中遇到困难或需要建议,请前往论坛寻找相关信息,论坛中也会有一些他人的问题你能够回答。其他资源可参考此 wiki 网页。

你可以在 Kaggle 的名为 no free hunch 的官方博客中了解到竞赛、新功能和平台变化等方面的最新情况。例如,这篇文章介绍了 Kaggle 的一位顶级成员。

你的 Kaggle 个人主页

你可以在你公开的 Kaggle 个人主页上查阅你在不同竞赛中的排名和表现:

https://www.kaggle.com/<输入你的 Kaggle 用户名>

请在个人主页中填写你的准确信息,提供社交编码平台(如 GitHub)和专业网站(如领英)的链接,并定期更新。我们也欢迎你提供你的优达学城个人主页链接。

工作

Kaggle 有一个专门的求职版块,你可能会在这里找到令你心动的职位。在 Kaggle 竞赛中的良好表现能使你脱颖而出。你在纳米学位项目中取得进展的同时,请继续尝试解决各项挑战,构建良好的档案记录。如果你正在寻找工作, 在申请时不要忘了利用这个资源。

0%