【編者按】數據科學家Reshama Shaikh分享了參加Kaggle的理由，並簡要介紹瞭如何入門Kaggle。
關於Kaggle
Kaggle是最著名的預測建模分析競賽平臺。Kaggle公司於2010年在澳大利亞的墨爾本成立，在收到硅谷的投資之後遷往舊金山。2017年被Google收購。如果想了解更多關於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“數據科學”（data science）一詞的含義逐漸發生了變化。同樣，“數據科學”和“kaggle”也逐漸變得密不可分，與此同時，數據科學社區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，也從數據科學領域的其他人那裡獲得了一些對Kaggle的認識：
- 我聽說過擁有數十年經驗的退休博士成為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、亂糟糟的辦公室裡參賽的……）
- 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據科學技能？
- 贏家需要使用複雜的集成方法。
- 數據很乾淨，人為地乾淨，一點也不現實。
- 參加一項Kaggle競賽並不能讓我成為一個合格的數據科學家，所以何必呢？
- 我不知道從何開始……
我的第一項Kaggle競賽
在抗拒了幾年之後，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
我發現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。
結論：參加吧
要不要參加Kaggle？我的答案：“是”。不管是數據科學的初學者，還是資深的數據科學家，參加Kaggle競賽都是有價值的。下面是一些理由。
評測
獲取你自己的數據集或從網站抓取數據能讓你學到很多，但這麼做的缺點是沒有評測標準，無法比較你的發現。有可能你犯了大錯，但無人知曉，因為沒有經過驗證。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獲取數據
- 結構化的生態系統讓高級統計學技能不足的人集中全力解決問題
- 理解評估指標
- 開發、運維技能：Git、雲計算
- 練習
- Kaggle提供了一些免費的交互式教程
有經驗的從業人員，仍有許多東西可以學習：
- 結構化的生態系統讓具備高級統計學技能的人集中全力解決問題
- 更深入地探索超參數
- 聚焦當前最先進的新方法
- 賽後分析贏家的做法
- 管理大規模數據集（超過一百萬項記錄）
- 配置GPU機器進行深度學習
- 使用深度學習並與傳統算法比較結果
數據
整個數據科學社區都在談論論數據集。你能在Kaggle上熟悉其他學習平臺以及會議發言人提到的流行的數據集。
儘管Kaggle提供了數據集，你仍然需要理解數據和評估指標。和流行的觀點不同，仍有需要進一步檢查的“髒數據”。深入分析錯誤標記項將帶來算法方面的調整。
作品集的組成部分
沒錯，參加Kaggle競賽並不能證明你勝任數據科學家的工作。參加一門課程、出席一次會議、分析一個數據集、閱讀一本數據科學的書也不能。參加競賽增加了你的經驗，增強了你的作品集。它是你其他項目的補充，而不是數據科學技能集的唯一證明。
獲得樂趣
人們經常不確定是否要追尋一個數據科學的職位。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提供了關於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，你可以複製、使用這些代碼。
討論區
每項競賽都有一個討論區，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，經常訪談Kaggle參賽者和贏家。
選擇
- 你可以參加已經結束的競賽。記住，參加Kaggle是為了學習，而不是最終結果。
- 有各種各樣的主題（隨機森林、多元分類、神經網絡、NLP）和各種各樣的數據集（圖像、結構化數據、文本、大數據）
組隊
- 不管你是初學者還是有經驗的數據科學家，都可以組隊。
- 剛開始可以作為獨立的小組參賽，以最大化每日的結果提交數量，在競賽快結束時再合併小組。
結論
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收購以後。過段時間可以回去看看，有沒有什麼新東西。
不必侷限於Kaggle
儘管Kaggle是最出名的平臺，參加競賽的機會還有很多：
- 許多大學的數據分析部門舉辦年度競賽
- 會議經常會辦一些競賽（有時稱為“任務”）
- 私營公司會贊助自己的競賽
閱讀更多 論智 的文章
