您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

(kaggle是什么)-kaggle比赛拿奖容易吗

数据,模型,问题(kaggle是什么)-kaggle比赛拿奖容易吗

发布时间：2019-02-08加入收藏来源：互联网点击：

在 Kaggle 上，我通过解决新的问题类型来保持积极性，而且每过一段时间就会有令人兴奋的新问题需要解决。我也非常喜欢和 Kaggle 上的人才一起交流工作，并了解社区所做的努力。

问：最近，您以惊人的成绩刷新了 Kaggle 排行榜，并获得了 NFL 第一名和 Future-Impact Detection 第二名。您是如何做到在这些比赛中频频拿奖的呢？

Philipp：人们经常问我如何才能赢得 Kaggle 比赛，但我认为并没有什么通用秘笈。Kaggle 的许多成功都基于经验，并且需要深入了解和学习那些你乍看起来并不了解的东西。在比赛过程中，我积累了一个通用工具箱，其中包含我完成每项比赛用到的构建基块，例如，如何设置适当的交叉验证，模型需要用到哪些库，如何恰当地拟合模型、如何跟踪模型性能等。因此，我可以拿出更多时间专注于近期比赛的新领域和关键方面。我总是在每次比赛后都尝试改善工作流程，以提高效率和竞争力。

Philipp 在 Kaggle 上的成就。

问：您通常如何处理 Kaggle 问题？您想与社区分享些喜欢的 ML 资源（课程、博客等）吗？

Philipp：我尝试利用我已经积累的方法、工具和经验研究眼前的具体问题。这意味着我将在 Kaggle 上研究先前类似问题的解决方案，并阅读相关论文，学习问题的最佳方法是亲身实践并逐步学习。

问：您在 Kaggle 中学到的哪些东西可以应用于 H2O.ai 的工作中？

Philipp：在 Kaggle 上学到的很重要的一件事是如何构建鲁棒模型，让其可以很好地泛化，同时又不会遭受强大的过拟合。这对于 Kaggle 至关重要，因为模型需要泛化至此前没见过的数据。这意味着你将学到很多关于鲁棒交叉验证的知识，并关心特征分布转移等数据信息。我可以在 H2O.ai 的工作中充分利用这些知识，这也是我们产品不可或缺的一部分。

问：数据科学领域正在迅速发展，您是如何跟上所有最新进展的？

Philipp：我主要使用 Kaggle 来了解最新动态；它是对新技术能否解决实际问题的绝佳过滤器。通常，鲁棒的方法可以脱颖而出，而只是偶尔起作用的技术就会被筛掉。同时，我尝试通过 Twitter 和其他平台上的知名研究者和从业者来了解领域内最新的进展。

Philipp 在 2020 年 1 月 9 日维也纳的数据科学活动中。

问：对于刚刚开始数据科学之旅，对挑战 Kaggle 竞赛有点抱负的人，你有什么建议？

Philipp：不断尝试，不要害怕失败，同时要一直渴望学习新事物。

参考链接：https://analyticsindiamag.com/kaggle-interview-grand-master-christof-henkel/

https://towardsdatascience.com/meet-the-data-scientist-who-just-cannot-stop-winning-on-kaggle-dfc0e6fe88f8

本文到此结束，希望对大家有所帮助呢。

 2/2   首页 上一页 1 2