Kaggle大數(shù)據(jù)競(jìng)賽中學(xué)預(yù)備課 Python數(shù)據(jù)挖掘及人工智能

[vc_row][vc_column][vc_column_text]

某名企高管曾說

寫上參加過Kaggle比賽，我會(huì)看簡(jiǎn)歷

得過一次10%，我會(huì)給電話面試

得過2次以上10%，我會(huì)給on site面試

得過一次前10，我們會(huì)談笑風(fēng)生

Kaggle為何備受青睞

Kaggle是一個(gè)全球知名的數(shù)據(jù)科學(xué)在線平臺(tái)，由Anthony Goldbloom和Ben Hamner于2010年在墨爾本創(chuàng)立，后由google收購。

Kaggle一開始以Date Mining起家，為了是可以快速高效地解決棘手的問題。大部分的學(xué)術(shù)活動(dòng)均由企業(yè)或研究者發(fā)布，將數(shù)據(jù)，問題和期望指標(biāo)同步更新，以學(xué)術(shù)活動(dòng)獎(jiǎng)勵(lì)的方式向全球征集解決方案。

對(duì)問題發(fā)布者來說，他可以方便的篩選出最有成效的方案，而對(duì)參與者來說，不僅是考驗(yàn)自己能力，更是一場(chǎng)實(shí)戰(zhàn)經(jīng)驗(yàn)。

Kaggle學(xué)術(shù)活動(dòng)平臺(tái)類似于一對(duì)多的項(xiàng)目眾包平臺(tái)，直接的在公司和人才供需之間搭建了一座橋梁，避免了傳統(tǒng)入職測(cè)試中的以學(xué)歷和工作經(jīng)歷做初步篩選的弊端。

也就是說，只要你有才，只要你能解決問題，獎(jiǎng)?wù)陋?jiǎng)金甚至入職加薪均有可能。

并且，個(gè)人的Kaggle Profile會(huì)顯示所有參與過的項(xiàng)目、活躍度、實(shí)時(shí)排位、歷史最佳排位等，基本就等同于一張實(shí)力證書。如果你的未來是Date Science的方向，想要提升自己實(shí)力背景的話，以Kaggle在領(lǐng)域內(nèi)的知名度，是你絕對(duì)不能錯(cuò)過的機(jī)會(huì)。

Kaggle史上最年輕Grandmaster

Kaggle成立9年，注冊(cè)用戶超過100萬，現(xiàn)僅有122名Grandmaster。在Kaggle，要成為Grandmaster非常困難，該頭銜是根據(jù)Kaggle Progression System來判定的。

KaggleProgression System的等級(jí)從低到高分別為：Novice、Contributor、Expert、Master和Grandmaster。這是一套用戶的等級(jí)排名系統(tǒng)，類似于在游戲中做任務(wù)，一路打怪、攢經(jīng)驗(yàn)，換取累計(jì)積分，達(dá)到一定要求之后就可以升級(jí)。

18歲的英國高中生MikelBober-Irizar成為Kaggle史上最年輕Grandmaster，Mikel在122位Grandmaster中，排名第31，他用的時(shí)間是3年。

讓我們一起來看看這位大佬的煉成日記：

MikelKaggle挑戰(zhàn)賽上戰(zhàn)績(jī)輝煌

🏆谷歌地標(biāo)檢索挑戰(zhàn)賽

2018年5月，參賽隊(duì)共209支，獲第1名

🏆Avito重復(fù)廣告檢測(cè)挑戰(zhàn)賽

2016年7月，548隊(duì)參賽，獲第2名（Top 1%）

🏆博世生產(chǎn)線故障預(yù)測(cè)挑戰(zhàn)賽

2016年11月，627隊(duì)參賽，獲第5名（Top 1%）

Mikel采訪錄：

Mikel最初只是抱著試試的態(tài)度來參加Kaggle挑戰(zhàn)賽的。從實(shí)際應(yīng)用的角度講，對(duì)算法的工作原理的理解要比其數(shù)學(xué)原理更重要。

他所在的高中皇家文理學(xué)校并未設(shè)置AI和機(jī)器學(xué)習(xí)的系統(tǒng)課程，Mikel在機(jī)器學(xué)習(xí)和人工智能方面的編程技能幾乎完全是自學(xué)成才。

我不知道算法背后的所有數(shù)學(xué)原理，但就實(shí)際使用而言，我認(rèn)為對(duì)算法的工作方式有一個(gè)合理的理解更為重要。即使我不能從頭開始寫算法，我仍然知道它具體做了什么，這有助于我理解算法可能有用的地方。

——Mikel

除了Mikel“骨骼驚奇”這樣的天才少年

12歲小女孩兒也在編寫元胞自動(dòng)機(jī)程序

現(xiàn)在Python都已經(jīng)進(jìn)入小學(xué)課程了！！！

你還在等什么！？

Kaggle的入門：PYTHON

Kaggle最基礎(chǔ)的入門學(xué)者也要先學(xué)會(huì)初步使用一門編程語言，而Python作為一種強(qiáng)大的“膠水”語言，可以迅速入門，對(duì)于Kaggle大數(shù)據(jù)學(xué)術(shù)活動(dòng)平臺(tái)來說是一個(gè)非常不錯(cuò)的選擇。

Python是一種計(jì)算機(jī)程序設(shè)計(jì)語言，由吉多·范羅蘇姆創(chuàng)造，第一版發(fā)布于1991年，可以視之為一種改良的LISP。Python的設(shè)計(jì)哲學(xué)強(qiáng)調(diào)代碼的可讀性和簡(jiǎn)潔的語法。相比于C++或Java，Python讓開發(fā)者能夠用更少的代碼表達(dá)想法。

翰林PYTHON數(shù)據(jù)挖掘培訓(xùn)班

￥19900.00

線上40小時(shí)，共20次課

3-5人小班，滿3人開班

報(bào)名須知

1.適合人群：對(duì)大數(shù)據(jù)人工智能感興趣，有初步的算法基礎(chǔ)；

2.2019年9月7日開課，每周六上課；

3.人工智能基礎(chǔ)班3-5人小班，滿3人開班；

4.課程目標(biāo)：快速熟悉常用AI工具，具備參加kaggle、kdd等專業(yè)數(shù)據(jù)挖掘?qū)W術(shù)活動(dòng)基本能力。

課程大綱

機(jī)器學(xué)習(xí)基礎(chǔ)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?四課時(shí)

機(jī)器學(xué)習(xí)中的數(shù)學(xué)基礎(chǔ)知識(shí)? ? ? ? ? ? ? 四課時(shí)

模型評(píng)估與選擇? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?四課時(shí)

線性回歸與邏輯回歸模型? ? ? ? ? ? ? ? ? 四課時(shí)

決策樹? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?四課時(shí)

SVM支持向量機(jī)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時(shí)

貝葉斯網(wǎng)絡(luò)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時(shí)

聚類? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時(shí)

神經(jīng)網(wǎng)絡(luò)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時(shí)

特征選擇? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四課時(shí)

授課導(dǎo)師?楊老師

北京郵電大學(xué)人工智能、信息安全專業(yè)方向博士，豐富的計(jì)算機(jī)學(xué)科知識(shí)和項(xiàng)目背景。

課堂教學(xué)過程中注重將數(shù)學(xué)、計(jì)算機(jī)學(xué)科的相關(guān)知識(shí)和實(shí)際生活中的問題相結(jié)合，激發(fā)學(xué)生的學(xué)習(xí)熱情。

授課體系及科目：NOIP計(jì)算機(jī)學(xué)術(shù)活動(dòng)/USACO、Google Code Jam、Kaggle、APIO等國際計(jì)算機(jī)、信息學(xué)、機(jī)器人學(xué)術(shù)活動(dòng)。

導(dǎo)師推薦書目

1.《機(jī)器學(xué)習(xí)》

作者：周志華

適合人群：初級(jí)學(xué)者

推薦指數(shù)：★★★★★

主要內(nèi)容：本書介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法，包括：決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度量學(xué)習(xí)等。進(jìn)階內(nèi)容涉及特征選擇與稀疏學(xué)習(xí)、計(jì)算學(xué)習(xí)理論、半監(jiān)督學(xué)習(xí)、概率圖模型、規(guī)則學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等。適合大學(xué)三年級(jí)以上的理工科本科生和研究生，以及具有類似背景對(duì)機(jī)器學(xué)習(xí)感興趣的人士。

推薦理由：《機(jī)器學(xué)習(xí)》（又稱“西瓜書”）是機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一，是一本面向機(jī)器學(xué)習(xí)愛好者的啟蒙教材，非常適合沒有任何背景的初學(xué)者看。這本書中每一個(gè)概念，甚至每一個(gè)概念的來龍去脈都講得非常清楚，對(duì)機(jī)器學(xué)習(xí)中各種算法和理論都是盡量從其原生態(tài)的角度進(jìn)行講解。

2.《Deep Learning》

作者：Ian Goodfellow/Yoshua Bengio/

Aaron Courville

適合人群：中級(jí)到高級(jí)學(xué)者

推薦指數(shù)：★★★★★

 

主要內(nèi)容：這本書不但討論了機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，而且從學(xué)術(shù)角度講解了有效研究深度學(xué)習(xí)所需的應(yīng)用數(shù)學(xué)（線性代數(shù)、概率和信息論等）知識(shí)，在此基礎(chǔ)上，本書進(jìn)一步講解了深度學(xué)習(xí)算法和技術(shù)的相關(guān)知識(shí)。此外，這本書還講解了深度學(xué)習(xí)領(lǐng)域當(dāng)前的研究趨勢(shì)以及正在發(fā)生的變化。

推薦理由：《Deep Learning》出自Goodfellow、Bengio和Courville三位大牛之手（又稱“花書”）,堪稱深度學(xué)習(xí)的圣經(jīng)。這本書適合有一定基礎(chǔ)的學(xué)習(xí)者，建議先看周志華老師的“西瓜書”，再看“花書”會(huì)更流暢和舒服。

3.《Pattern Recognition and Machine Learning》

作者：Christoper M. Bishop

適合人群：初級(jí)到中級(jí)學(xué)者

推薦指數(shù)：★★★★★

主要內(nèi)容：這是第一本提出貝葉斯方法的模式識(shí)別教科書。本書提出了近似推理算法和用于描述概率分布的圖模型等多種最新分類方法。這本書介紹模型的行文思路是：基本模型建模—最大似然估計(jì)—貝葉斯參數(shù)估計(jì)—貝葉斯預(yù)測(cè)。雖然這本書作為入門會(huì)比較難，但如果按這個(gè)思路去看，就非常清楚了。

推薦理由：這本書給人的最大印象可能就是Everything can be bayesianized（一切都可以貝葉斯化）。這本書結(jié)構(gòu)清晰，內(nèi)容齊全，是機(jī)器學(xué)習(xí)初學(xué)者不可多得的好書。本書要求讀者擁有多元微積分學(xué)和基礎(chǔ)線性代數(shù)知識(shí)，同時(shí)若熟悉一些概率知識(shí)的話，對(duì)于學(xué)習(xí)書中包含那些獨(dú)立的關(guān)于基礎(chǔ)概率理論的介紹將會(huì)很有幫助。

本期福利一

翰林導(dǎo)師推薦書目電子版

《Pattern Recognition and Machine Learning》

免費(fèi)贈(zèng)送給您！

（部分資源樣圖）[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_btn title="熱門產(chǎn)品推薦" color="primary" size="lg" align="center" button_block="true"][product id="261298"][/vc_column][/vc_row][vc_row][vc_column][/vc_column][/vc_row]

以上就是關(guān)于【Kaggle大數(shù)據(jù)競(jìng)賽中學(xué)預(yù)備課 Python數(shù)據(jù)挖掘及人工智能】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

2026五大奧賽中國隊(duì)斬獲四個(gè)世界第一，全員金牌收官！

【組隊(duì)招募】經(jīng)濟(jì)/數(shù)模競(jìng)賽CNEC/IEO/SIC/HiMCM…組隊(duì)報(bào)名！