學(xué)習(xí)數(shù)據(jù)科學(xué)絕非易事。能找到一個(gè)可以分享代碼、數(shù)據(jù)和想法的社區(qū)對(duì)我們的學(xué)習(xí)大有裨益，有一個(gè)地方匯聚了這些特質(zhì)，那就是Kaggle。

我在大學(xué)時(shí)第一次接觸了這個(gè)平臺(tái)，當(dāng)時(shí)，筆者正在攻讀數(shù)據(jù)科學(xué)碩士學(xué)位，主攻機(jī)器學(xué)習(xí)，想看看在專業(yè)的第一堂課上自己在機(jī)器學(xué)習(xí)模型比賽的準(zhǔn)確度挑戰(zhàn)中能位列何處，對(duì)比在最后一堂課上又能取得怎樣的名次。

筆者很快意識(shí)到，Kaggle上有成百上千的數(shù)據(jù)科學(xué)家，正在嘗試提升并提交他們的評(píng)分。這么多聰明的有志之士參與競(jìng)爭(zhēng)，讓人嘆為觀止。除了評(píng)價(jià)技能，這一平臺(tái)還可以對(duì)比代碼，學(xué)習(xí)其他出色之人的新想法。在踏上成為數(shù)據(jù)科學(xué)家之旅的第一周就能得到這樣的體驗(yàn)，筆者感到萬(wàn)分慶幸，不出意外，我成了這一網(wǎng)站的?？汀?/p>

Kaggle

比賽結(jié)果

在Kaggle上，人們可以分享想法，獲得啟發(fā)，同其他數(shù)據(jù)科學(xué)家展開競(jìng)爭(zhēng)，學(xué)習(xí)新事物和編程技巧，觀察諸多真實(shí)數(shù)據(jù)科學(xué)應(yīng)用的實(shí)例。這里有許多能應(yīng)用于多種場(chǎng)合的數(shù)據(jù)集，或簡(jiǎn)單如電子游戲銷售，或龐雜重要如空氣污染數(shù)據(jù)。

這些數(shù)據(jù)取自現(xiàn)實(shí)世界，幾經(jīng)引用參考，可用來(lái)訓(xùn)練并評(píng)測(cè)那些真正對(duì)人有幫助的項(xiàng)目模型。Kaggle另有許多實(shí)用的特色功能，比如數(shù)據(jù)、代碼、社區(qū)、靈感、競(jìng)賽和課程等。

優(yōu)勢(shì)

Kaggle有許多優(yōu)勢(shì)，這些都是你應(yīng)當(dāng)使用Kaggle的原因。

1.數(shù)據(jù)

Kaggle上有一些可用的數(shù)據(jù)集。大多數(shù)數(shù)據(jù)集的文件格式是CSV，JSON、SQLite、archives和BigQuery格式的數(shù)據(jù)集不太普遍，但依舊用途頗廣。練習(xí)使用多種文件格式有所助益，你在工作中有可能遇到這些文件格式。下面是三個(gè)目前最熱門的數(shù)據(jù)集。

• COVID-19開放研究數(shù)據(jù)集挑戰(zhàn)賽
• UNCOVER COVID-19挑戰(zhàn)賽
• ProZorro.烏克蘭公共采購(gòu)數(shù)據(jù)集

2.代碼

Kaggle上有大量代碼。如果你想查看其他Kaggle用戶的不計(jì)其數(shù)的代碼，在Notebooks上進(jìn)行檢索很方便，其中包括代碼以及大多數(shù)用戶對(duì)代碼的注釋。這能幫助我們學(xué)習(xí)和練習(xí)，并借鑒他人處理類似問(wèn)題的方式。大多數(shù)人使用Python進(jìn)行編程，但也不乏一些人采用包括R、SQLite和Julia在內(nèi)的其他編程語(yǔ)言。

代碼通常是記事本(又稱為Jupyter Notebook)形式，保存在后綴為.ipynb的文件中。有一些展示了端到端機(jī)器學(xué)習(xí)模型的例子，其中一些包括數(shù)據(jù)提取與清洗、探索性數(shù)據(jù)分析、特征工程、基礎(chǔ)模型創(chuàng)建、最終機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)、以及結(jié)果的輸出和解釋。

大多數(shù)數(shù)據(jù)科學(xué)家在工作中經(jīng)常用到這些步驟，因?yàn)檫@對(duì)于其他數(shù)據(jù)科學(xué)家和相關(guān)工作者來(lái)說(shuō)，都是簡(jiǎn)便且易于遵循的流程。

• code languages supported on Kaggle: Python, R, SQLite, and Julia

3.社區(qū)

與Medium、GitHub、Stack Overflow和LinkedIn類似，Kaggle作為一個(gè)社區(qū)，數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師可以在其中學(xué)習(xí)、成長(zhǎng)和互動(dòng)。

你可將自己的工作(如數(shù)據(jù)，代碼和記事本文件)發(fā)布在其上和他人分享，以發(fā)展自己的社區(qū)。作為社區(qū)的成員有其獨(dú)到的優(yōu)勢(shì)，所以筆者強(qiáng)烈建議以Kaggle作為起點(diǎn)，培養(yǎng)自己的社區(qū)，并與其他社區(qū)建立聯(lián)系。

4.靈感

通過(guò)這里的數(shù)據(jù)、代碼、社區(qū)、課程和競(jìng)賽，你可以收獲絕妙的靈感。觀看別人參與到對(duì)他人和企業(yè)有助益的比賽之中，欣賞其精彩發(fā)揮，這著實(shí)激勵(lì)人心。

如果你正在思索下一步該學(xué)習(xí)什么，亦或是如何實(shí)現(xiàn)某一功能，也許應(yīng)該看一看別人如何實(shí)現(xiàn)某一模塊，例如以特定方式實(shí)現(xiàn)隨機(jī)森林。你可以在Kaggle上找到這些，最終激勵(lì)自己更上一層樓。

5.競(jìng)賽

如果你想檢測(cè)自己的水平，了解自己在同行中的排名，豐富簡(jiǎn)歷或者掙些外快，競(jìng)賽是個(gè)合適的選擇。Kaggle提供了不計(jì)其數(shù)的競(jìng)賽，上面的截圖顯示了排行前三的競(jìng)賽及其對(duì)應(yīng)的獎(jiǎng)金。這些比賽不但趣味盎然，而且意義深遠(yuǎn)(例如助力健康事業(yè))。

筆者借助Kaggle上的賽事來(lái)對(duì)比自己的前后表現(xiàn)。起初，筆者僅掌握了些許數(shù)據(jù)科學(xué)方面的知識(shí);后來(lái)有了將近兩年的數(shù)據(jù)科學(xué)從業(yè)經(jīng)驗(yàn)。兩相比較，意料之中的進(jìn)步顯著。

筆者在將近8000人中位列前50%，這對(duì)于初出茅廬的人來(lái)說(shuō)不算差。不難看出，當(dāng)有成千上萬(wàn)的數(shù)據(jù)科學(xué)家為同一個(gè)目標(biāo)而展開競(jìng)爭(zhēng)時(shí)，能為識(shí)別某些健康異常的項(xiàng)目做出何等巨大的貢獻(xiàn)。

6.課程

我還發(fā)現(xiàn)Kaggle開設(shè)有一些數(shù)據(jù)科學(xué)課。我個(gè)人最喜歡這里的一些SQL課程，因?yàn)樽鳛閿?shù)據(jù)科學(xué)家，最需要的就是SQL。與其他課程網(wǎng)站相比，這里的機(jī)器學(xué)習(xí)的可解釋性和游戲AI與強(qiáng)化學(xué)習(xí)導(dǎo)論也是比較獨(dú)特的課程。下面是能在Kaggle上找到的所有課程：

Python 
Intro to Machine Learning 
Intermediate Machine Learning 
Data Visualization 
Pandas 
Feature Engineering 
Deep Learning 
Intro to SQL 
Advanced SQL 
Geospatial Analysis 
Microchallenges 
Machine Learning Explainability 
Natural Language Processing 
Intro to Game AI and Reinforcement Learning 

Kaggle能為銳意進(jìn)取的優(yōu)秀數(shù)據(jù)科學(xué)家提供豐富的資源，千萬(wàn)不要錯(cuò)過(guò)它。