kaggle计算机竞赛怎么样？

Kaggle是一个全球知名的数据科学竞赛在线平台。由Anthony Goldbloom和Ben Hamner创立于2010年，是一个进行数据发掘和预测竞赛的在线平台，也是全球最大的数据科学社区和数据科学竞赛平台，2017年被Google收购。

Kaggle竞赛由于题目有趣，不限年龄、背景和国籍，入门快且含金量高等优势，倍受留学生们的热捧，不止中学生可以参加，所有计算机爱好者，甚至计算机领域的从业人员都可以报名。

一段带奖金高难度的Kaggle比赛的 Prize Winner经历并不会比一段互联网大厂数据分析实习经历逊色，Kaggle项目可以直观地展现你的数据分析能力。Kaggle作为数据科学行业极富盛名的平台，在业界具有极高的认可度。

得益于Kaggle的海量数据集和开放性，它还成为了一个非常棒的教学实践平台，吸引到哥大、纽大、上交大等设立了相关领域的Capstone Project，以及哈佛、牛津、斯坦福等开设Kaggle-in-Class的课程项目。

此外，众多国际大型和重要学术组织、机构，如IEEE、NASA、CERN等都在Kaggle上举办或多次支持（公开数据集）了不同类型的竞赛，帮助他们自己或合作方解决棘手的科研问题。

竞赛介绍

适合人群

对数据科学、数据挖掘、机器学习感兴趣的高中生

有一定计算机背景的大学生

参加Kaggle还是需要有一定编程基础，同时对现实问题有浓厚兴趣，并擅长运用所学知识去解决这些问题的学生。

参赛时间

全年滚动，随时可以报名

比赛形式

• Classic：在比赛开始后，用户可以访问完整的数据集。并可以选择在本地或在线进行建模、预测生成预测文件，最后提交预测结果。目前大多数比赛采取本形式。
• Two-stage：分为第一阶段和第二阶段，第二阶段建立在第一阶段的结果上，第一阶段完成才可参加第二阶段。
• Kernels：参赛者必须在线提交代码，更加公平，使每个参赛者都使用相同配置的电脑。

竞赛分类

面向初学者

• Getting Started：适合基础入门选手，与Featured竞赛结构类似，但并没有奖金，让初学者体会机器学习、积攒经验为主；
• Playground：有趣的比赛，主要看创意，而非解决具体的研究问题

面向竞赛者

• Recruitment：赞助商为招聘数据科学家而设立的比赛，适合想要去发布公司求职的人，以各大公司需要招募相关职业为主；
• Featured：为解决商业问题，适合数据科学高手参与，通常是由公司，组织或政府等赞助的，奖金池最大；
• Research：解决学界前沿问题，同样适合数据科学高手参与，以研究为主要方向的竞赛，奖金相比Featured较少；
• Masters：大师级别比赛的，难度最高，项目也最少

竞赛流程

1. 注册账号（一人只能有一个账号）
2. 选择想要参赛的项目
3. 下载题目的数据
4. 时间截止，评出最优者
5. 获奖的队伍必须提交源代码

注：可以以个人或组队的形式参加比赛，在参赛时可以相互分享经验。

竞赛时间及奖项

kaggle的评价体系是基于三个维度的：竞赛、代码以及社区参与。根据这三个维度把kaggle的用户分成了5个等级：

• Novice ：初始等级，只要注册就算
• Contributor ：添加资料信息，并且进行了各种指定的动作即可。如上两个等级没有考虑到用户的比赛成绩和社区声望。
• Expert ：获得两枚竞赛铜牌；5枚代码铜牌；以及50枚讨论铜牌
• Master ：获得一枚竞赛金牌，两枚竞赛银牌；10枚代码银牌；50枚讨论银牌以及总共200枚讨论奖牌
• Grandmaster ：获得5枚竞赛金牌，solo竞赛金牌；15枚代码金牌；50枚讨论金牌以及总共500枚讨论奖牌。

想要在Kaggle竞赛中取得名次，难吗？

想在Kaggle竞赛中名列前茅的难度非常大；因为一个竞赛项目往往参与人数可以达到数千人，但只有Top 1可以得到奖金。

根据以往经验来看，就算是有一定知识储备的业内选手组队，也很难在初次比赛中取得好名次；由于Kaggle的获奖难度比较大，针对性的密集备赛还是很有必要的。

比赛技能要求

编程语言

kaggle 挑战赛

最基础的入门学者也得先学会初步使用一门编程语言。对于毫无基础的新手，推荐使用Python，因为Python作为一种强大的胶水语言，可以迅速入门。

探索数据

kaggle 挑战赛

光有编程语言是不够的，还需要学习如何探索性分析你手上的数据，这是进入数据科学的第一步，因为通常到手的数据都多到不可思议，你要学会取舍和迅速获取最有用的信息。

模型训练

kaggle 挑战赛

熟悉使用机器学习库，培养良好的习惯，为之后的工作做铺垫。

实战

kaggle 挑战赛

从初级可以逐渐增加难度。

竞赛内容

Kaggle竞赛不止中学生可以参加，所有计算机爱好者，甚至计算机领域的从业人员都可以报名，再加上它需要你在提供的大型数据库里找到命题所需要的数据，还需要找到最合适的方式，将所需数据整编出来，想从中脱颖而出确实有一定难度。可以看下面的例题：

这道题说Twitter、微博等社交媒体上有时会有用户发布报警求助信息，因此社交媒体希望建立一个灾难预警识别系统，可以快速判断哪些信息是需要第一时间进行消息扩散救援的。当今社交媒体数据量非常庞大，想在数以万计的数据中找到关键信息，对挑战者而言是有难度的一件事。

赛题示例

• Allstate索赔预测挑战 - 使用客户的购物历史记录来预测他们购买的保险单
• 有害评论分类挑战 - 预测维基百科上有害评论的存在和类型
• Zillow奖 - 构建一个机器学习算法，可以挑战Zesow，Zillow房地产价格估算算法
• 谷歌地标检索挑战 - 如果有图像，您能在数据集中找到所有相同的地标吗？
• 右鲸识别 - 识别航空照片中濒临灭绝的露脊鲸
• 大规模分层文本分类 - 将维基百科文档分类为约300,000个类别之一
• 泰坦尼克号：从灾难中进行机器学习，预测泰坦尼克号的生存几率
• 房价预测：回归方法
• 猫与狗：创建一种算法去区分猫与狗
• 纽约出租车行程持续时间：通过数据改善乘车时间预测
• 商店销售预测
• 新用户预定预测