【编者按】数据科学家Reshama Shaikh分享了参加Kaggle的理由，并简要介绍了如何入门Kaggle。

关于Kaggle

Kaggle是最著名的预测建模分析竞赛平台。Kaggle公司于2010年在澳大利亚的墨尔本成立，在收到硅谷的投资之后迁往旧金山。2017年被Google收购。如果想了解更多关于Kaggle的历史和未来，可以看AMA with Anthony Goldbloom（Kaggle CEO的访谈）。

在过去十年来，英文语境中的“数据科学”（data science）一词的含义逐渐发生了变化。同样，“数据科学”和“kaggle”也逐渐变得密不可分，与此同时，数据科学社区中的很多人在探究和争辩这一平台的用途：

Kaggle……有用吗？

我对Kaggle最初的想法

和很多人一样，我对Kaggle竞赛抱有一些成见。我听说Kaggle有好几年了，也从数据科学领域的其他人那里获得了一些对Kaggle的认识：

• 我听说过拥有数十年经验的退休博士成为Kaggle竞赛赢家的传奇（我过去常常好奇这些天才是在沙滩上参赛的，享受着碧水蓝天和流畅的wifi，还是呆在昏暗、满是灰尘的、乱糟糟的办公室里参赛的……）
• 我获胜的概率为零。
• 我真的能学到有价值的东西吗？
• 投入时间提升精确度0.01有何意义？
• 这真的是使用我的时间的最好方式吗？还是说我应该花时间学习另一项更有价值的数据科学技能？
• 赢家需要使用复杂的集成方法。
• 数据很干净，人为地干净，一点也不现实。
• 参加一项Kaggle竞赛并不能让我成为一个合格的数据科学家，所以何必呢？
• 我不知道从何开始……

我的第一项Kaggle竞赛

在抗拒了几年之后，我最近第一次参加了Kaggle竞赛，Is it a Ship or Iceberg。我写了一篇文章，分享了初次参加Kaggle竞赛的体验。

Kaggle竞赛和纽约马拉松

我发现Kaggle竞赛和纽约马拉松很像。大部分参赛者是为了享受过程，而不是赢得第一。

结论：参加吧

要不要参加Kaggle？我的答案：“是”。不管是数据科学的初学者，还是资深的数据科学家，参加Kaggle竞赛都是有价值的。下面是一些理由。

评测

获取你自己的数据集或从网站抓取数据能让你学到很多，但这么做的缺点是没有评测标准，无法比较你的发现。有可能你犯了大错，但无人知晓，因为没有经过验证。Kaggle竞赛则提供了一个“检查你的作品”的平台。

不同水平的人都能从中学到东西

初学者有很多可以学的：

• 熟悉Kaggle平台
• 如何使用命令行或API从Kaggle获取数据
• 结构化的生态系统让高级统计学技能不足的人集中全力解决问题
• 理解评估指标
• 开发、运维技能：Git、云计算
• 练习
• Kaggle提供了一些免费的交互式教程

有经验的从业人员，仍有许多东西可以学习：

• 结构化的生态系统让具备高级统计学技能的人集中全力解决问题
• 更深入地探索超参数
• 聚焦当前最先进的新方法
• 赛后分析赢家的做法
• 管理大规模数据集（超过一百万项记录）
• 配置GPU机器进行深度学习
• 使用深度学习并与传统算法比较结果

数据

整个数据科学社区都在谈论论数据集。你能在Kaggle上熟悉其他学习平台以及会议发言人提到的流行的数据集。

尽管Kaggle提供了数据集，你仍然需要理解数据和评估指标。和流行的观点不同，仍有需要进一步检查的“脏数据”。深入分析错误标记项将带来算法方面的调整。

作品集的组成部分

没错，参加Kaggle竞赛并不能证明你胜任数据科学家的工作。参加一门课程、出席一次会议、分析一个数据集、阅读一本数据科学的书也不能。参加竞赛增加了你的经验，增强了你的作品集。它是你其他项目的补充，而不是数据科学技能集的唯一证明。

获得乐趣

人们经常不确定是否要追寻一个数据科学的职位。参加竞赛是一种测量你的能力和兴奋点的非正式方法。如果你确实很享受参加Kaggle的过程，那说明你的方向没错。如果你选择把时间花在其他事情上面，那也很好；这是一种找到答案的方法。

Kaggle入门

入门指南

EliteDataScience上的The Beginner’s Guide to Kaggle提供了关于Kaggle的详尽信息，以及上手Kaggle的一些技巧。

核

核（kernel）是Kaggle用户分享的代码（Jupyter Notebook形式，R或Python）。参加竞赛时，你可以复制、使用这些代码。

讨论区

每项竞赛都有一个讨论区，可以交流问题，给核、主题投票。

Slack

Kaggle有一个Slack小组：KaggleNoobs，拥有近四千成员，另外还有一个AMA（Ask Me Anything，问我任何事）频道，经常访谈Kaggle参赛者和赢家。

选择

• 你可以参加已经结束的竞赛。记住，参加Kaggle是为了学习，而不是最终结果。
• 有各种各样的主题（随机森林、多元分类、神经网络、NLP）和各种各样的数据集（图像、结构化数据、文本、大数据）

组队

• 不管你是初学者还是有经验的数据科学家，都可以组队。
• 刚开始可以作为独立的小组参赛，以最大化每日的结果提交数量，在竞赛快结束时再合并小组。

结论

我觉得很有必要参加至少一次竞赛。对没试过的东西的看法，和已经尝试过的东西的看法，是不一样的。和一切事物一样，Kaggle在不断演化，特别是Google收购以后。过段时间可以回去看看，有没有什么新东西。

不必局限于Kaggle

尽管Kaggle是最出名的平台，参加竞赛的机会还有很多：

• 许多大学的数据分析部门举办年度竞赛
• 会议经常会办一些竞赛（有时称为“任务”）
• 私营公司会赞助自己的竞赛