【編者按】數(shù)據(jù)科學家Reshama Shaikh分享了參加Kaggle的理由，并簡要介紹了如何入門Kaggle。

關于Kaggle

Kaggle是最著名的預測建模分析競賽平臺。Kaggle公司于2010年在澳大利亞的墨爾本成立，在收到硅谷的投資之后遷往舊金山。2017年被Google收購。如果想了解更多關于Kaggle的歷史和未來，可以看AMA with Anthony Goldbloom（Kaggle CEO的訪談）。

在過去十年來，英文語境中的“數(shù)據(jù)科學”（data science）一詞的含義逐漸發(fā)生了變化。同樣，“數(shù)據(jù)科學”和“kaggle”也逐漸變得密不可分，與此同時，數(shù)據(jù)科學社區(qū)中的很多人在探究和爭辯這一平臺的用途：

Kaggle……有用嗎？

我對Kaggle最初的想法

和很多人一樣，我對Kaggle競賽抱有一些成見。我聽說Kaggle有好幾年了，也從數(shù)據(jù)科學領域的其他人那里獲得了一些對Kaggle的認識：

• 我聽說過擁有數(shù)十年經(jīng)驗的退休博士成為Kaggle競賽贏家的傳奇（我過去常常好奇這些天才是在沙灘上參賽的，享受著碧水藍天和流暢的wifi，還是呆在昏暗、滿是灰塵的、亂糟糟的辦公室里參賽的……）
• 我獲勝的概率為零。
• 我真的能學到有價值的東西嗎？
• 投入時間提升精確度0.01有何意義？
• 這真的是使用我的時間的最好方式嗎？還是說我應該花時間學習另一項更有價值的數(shù)據(jù)科學技能？
• 贏家需要使用復雜的集成方法。
• 數(shù)據(jù)很干凈，人為地干凈，一點也不現(xiàn)實。
• 參加一項Kaggle競賽并不能讓我成為一個合格的數(shù)據(jù)科學家，所以何必呢？
• 我不知道從何開始……

我的第一項Kaggle競賽

在抗拒了幾年之后，我最近第一次參加了Kaggle競賽，Is it a Ship or Iceberg。我寫了一篇文章，分享了初次參加Kaggle競賽的體驗。

Kaggle競賽和紐約馬拉松

我發(fā)現(xiàn)Kaggle競賽和紐約馬拉松很像。大部分參賽者是為了享受過程，而不是贏得第一。

結(jié)論：參加吧

要不要參加Kaggle？我的答案：“是”。不管是數(shù)據(jù)科學的初學者，還是資深的數(shù)據(jù)科學家，參加Kaggle競賽都是有價值的。下面是一些理由。

評測

獲取你自己的數(shù)據(jù)集或從網(wǎng)站抓取數(shù)據(jù)能讓你學到很多，但這么做的缺點是沒有評測標準，無法比較你的發(fā)現(xiàn)。有可能你犯了大錯，但無人知曉，因為沒有經(jīng)過驗證。Kaggle競賽則提供了一個“檢查你的作品”的平臺。

不同水平的人都能從中學到東西

初學者有很多可以學的：

• 熟悉Kaggle平臺
• 如何使用命令行或API從Kaggle獲取數(shù)據(jù)
• 結(jié)構(gòu)化的生態(tài)系統(tǒng)讓高級統(tǒng)計學技能不足的人集中全力解決問題
• 理解評估指標
• 開發(fā)、運維技能：Git、云計算
• 練習
• Kaggle提供了一些免費的交互式教程

有經(jīng)驗的從業(yè)人員，仍有許多東西可以學習：

• 結(jié)構(gòu)化的生態(tài)系統(tǒng)讓具備高級統(tǒng)計學技能的人集中全力解決問題
• 更深入地探索超參數(shù)
• 聚焦當前最先進的新方法
• 賽后分析贏家的做法
• 管理大規(guī)模數(shù)據(jù)集（超過一百萬項記錄）
• 配置GPU機器進行深度學習
• 使用深度學習并與傳統(tǒng)算法比較結(jié)果

數(shù)據(jù)

整個數(shù)據(jù)科學社區(qū)都在談論論數(shù)據(jù)集。你能在Kaggle上熟悉其他學習平臺以及會議發(fā)言人提到的流行的數(shù)據(jù)集。

盡管Kaggle提供了數(shù)據(jù)集，你仍然需要理解數(shù)據(jù)和評估指標。和流行的觀點不同，仍有需要進一步檢查的“臟數(shù)據(jù)”。深入分析錯誤標記項將帶來算法方面的調(diào)整。

作品集的組成部分

沒錯，參加Kaggle競賽并不能證明你勝任數(shù)據(jù)科學家的工作。參加一門課程、出席一次會議、分析一個數(shù)據(jù)集、閱讀一本數(shù)據(jù)科學的書也不能。參加競賽增加了你的經(jīng)驗，增強了你的作品集。它是你其他項目的補充，而不是數(shù)據(jù)科學技能集的唯一證明。

獲得樂趣

人們經(jīng)常不確定是否要追尋一個數(shù)據(jù)科學的職位。參加競賽是一種測量你的能力和興奮點的非正式方法。如果你確實很享受參加Kaggle的過程，那說明你的方向沒錯。如果你選擇把時間花在其他事情上面，那也很好；這是一種找到答案的方法。

Kaggle入門

入門指南

EliteDataScience上的The Beginner’s Guide to Kaggle提供了關于Kaggle的詳盡信息，以及上手Kaggle的一些技巧。

核

核（kernel）是Kaggle用戶分享的代碼（Jupyter Notebook形式，R或Python）。參加競賽時，你可以復制、使用這些代碼。

討論區(qū)

每項競賽都有一個討論區(qū)，可以交流問題，給核、主題投票。

Slack

Kaggle有一個Slack小組：KaggleNoobs，擁有近四千成員，另外還有一個AMA（Ask Me Anything，問我任何事）頻道，經(jīng)常訪談Kaggle參賽者和贏家。

選擇

• 你可以參加已經(jīng)結(jié)束的競賽。記住，參加Kaggle是為了學習，而不是最終結(jié)果。
• 有各種各樣的主題（隨機森林、多元分類、神經(jīng)網(wǎng)絡、NLP）和各種各樣的數(shù)據(jù)集（圖像、結(jié)構(gòu)化數(shù)據(jù)、文本、大數(shù)據(jù)）

組隊

• 不管你是初學者還是有經(jīng)驗的數(shù)據(jù)科學家，都可以組隊。
• 剛開始可以作為獨立的小組參賽，以最大化每日的結(jié)果提交數(shù)量，在競賽快結(jié)束時再合并小組。

結(jié)論

我覺得很有必要參加至少一次競賽。對沒試過的東西的看法，和已經(jīng)嘗試過的東西的看法，是不一樣的。和一切事物一樣，Kaggle在不斷演化，特別是Google收購以后。過段時間可以回去看看，有沒有什么新東西。

不必局限于Kaggle

盡管Kaggle是最出名的平臺，參加競賽的機會還有很多：

• 許多大學的數(shù)據(jù)分析部門舉辦年度競賽
• 會議經(jīng)常會辦一些競賽（有時稱為“任務”）
• 私營公司會贊助自己的競賽