V první kapitole se seznámíš s tím, jak soutěže na Kaggle fungují. Natrénuješ model a připravíš soubor CSV připravený k odeslání. Zjistíš, jaký je rozdíl mezi veřejným a soukromým testovacím rozdělením dat, a naučíš se, jak předcházet přetrénování.

Přehled soutěží

Prozkoumej trénovací data

Prozkoumej testovací data

Připrav svůj první submission

Urči typ problému

Trénink jednoduchého modelu

Příprava souboru pro odevzdání

Veřejný vs. soukromý žebříček

Který model se přetrénoval?

Trénování modelů XGBoost

Prozkoumej přeučení XGBoost modelů

Jak fungují soutěže na Kaggle

Teď, když znáš základy soutěží na Kaggle, se naučíš, jak důkladně prozkoumat konkrétní problém, který máš před sebou. Procvičíš si explorační analýzu dat a nastavíš správné strategie lokální validace. Dozvíš se také, co je to únik dat.

Porozumění zadání

Pochop typ problému

Definuj metriku soutěže

Úvodní EDA

EDA statistiky

EDA grafy I

EDA – grafy II

Lokální validace

K-fold křížová validace

Stratifikovaný K-fold

Použití validace

Time K-fold

Celkové skóre validace

Ponoř se do soutěže

V této kapitole se seznámíš s různými typy příznaků. Budeš upravovat existující příznaky a vytvářet nové. Naučíš se také, jak správně pracovat s chybějícími hodnotami.

Feature engineering

Aritmetické příznaky

Datumové příznaky

Kategorické příznaky

Label encoding

One-Hot encoding

Target encoding

Mean target encoding

Nad rámec binární klasifikace

Chybějící data

Hledání chybějících hodnot

Imputace chybějících hodnot

Čas dát všechno dohromady a pustit se do budování modelů! V této závěrečné kapitole sestavíš základní model, doladíš hyperparametry a vylepšíš výsledky pomocí ensemblingu. Na konci získáš praktické tipy a triky, které ti pomohou soutěžit efektivněji.

Základní model

Zopakování validačního skóre

Základní model postavený na datu

Základní model založený na gradient boostingu

Ladění hyperparametrů

Grid search

2D grid search

Ensembling modelů

Blending modelů

Stacking modelů I

Model stacking II

Závěrečné tipy

Testování nápadů z Kaggle fóra

Výběr finálních submissions

Závěrečné myšlenky

Modelování

Demand forecasting (train)

House prices (train)

House prices (test)

Demand forecasting (test)

Taxi rides (train)

Taxi rides (test)

Kaggle je nejznámější platforma pro soutěže v oblasti datové vědy. Účast v takových soutěžích ti umožní pracovat se skutečnými datasety, prozkoumávat různé problémy strojového učení, měřit síly s ostatními účastníky a získat neocenitelné praktické zkušenosti. V tomto kurzu se naučíš, jak přistupovat k soutěžím v datové vědě a jak si je strukturovat. Zvládneš vybrat správné schéma lokální validace a naučíš se, jak se vyhnout přetrénování modelu. Osvojíš si také pokročilé techniky feature engineeringu a metody ensemblingu modelů. Všechny tyto techniky si procvičíš na datasetech ze soutěží Kaggle.

Extreme Gradient Boosting with XGBoost

Zjistěte, jak vyhrát soutěže Kaggle: správný přístup a volba validačního schématu.

Jak vyhrát soutěž na Kaggle v Pythonu

Naučte se, jak přistupovat k soutěžím na Kaggle a vyhrávat je.

Vědec v oblasti strojového učení v Pythonu

Model	Train MSE	Validation MSE
Model 1	2,35	2,46
Model 2	2,20	2,15
Model 3	2,10	2,14
Model 4	1,90	2,35

Který model se přetrénoval?

Jak vyhrát soutěž na Kaggle v Pythonu

Interaktivní praktické cvičení