In this first chapter, you will get exposure to the Kaggle competition process. You will train a model and prepare a csv file ready for submission. You will learn the difference between Public and Private test splits, and how to prevent overfitting.

Overzicht van competitions

Verken de train-data

Verken testgegevens

Maak je eerste inzending klaar

Bepaal het probleemtype

Train een eenvoudig model

Maak een inzending klaar

Public vs Private leaderboard

Welk model overfit?

XGBoost-modellen trainen

Overfitting in XGBoost verkennen

Kaggle competitions process

Now that you know the basics of Kaggle competitions, you will learn how to study the specific problem at hand. You will practice EDA and get to establish correct local validation strategies. You will also learn about data leakage.

Understand the problem

Understand the problem type

Define a competition metric

Initial EDA

EDA statistics

EDA plots I

EDA plots II

Local validation

K-fold cross-validation

Stratified K-fold

Validation usage

Time K-fold

Overall validation score

Dive into the Competition

You will now get exposure to different types of features. You will modify existing features and create new ones. Also, you will treat the missing data accordingly.

Feature engineering

Arithmetical features

Date features

Categorical features

Label encoding

One-Hot encoding

Target encoding

Mean target encoding

Beyond binary classification

Missing data

Find missing data

Impute missing data

Feature Engineering

Time to bring everything together and build some models! In this last chapter, you will build a base model before tuning some hyperparameters and improving your results with ensembles. You will then get some final tips and tricks to help you compete more efficiently.

Baseline model

Replicate validation score

Baseline based on the date

Baseline based on the gradient boosting

Hyperparameter tuning

Grid search

2D grid search

Model ensembling

Model blending

Model stacking I

Model stacking II

Final tips

Testing Kaggle forum ideas

Select final submissions

Final thoughts

Modeling

Demand forecasting (train)

Demand forecasting (test)

House prices (train)

House prices (test)

Taxi rides (train)

Taxi rides (test)

Kaggle is het bekendste platform voor Data Science-wedstrijden. Meedoen aan dit soort competities laat je werken met echte gegevenssets, verschillende Machine Learning-problemen verkennen, de strijd aangaan met andere deelnemers en vooral onmisbare praktijkervaring opdoen. In deze cursus leer je hoe je elke Data Science-competitie kunt benaderen en structureren. Je leert een juiste lokale validatiestrategie kiezen en overfitting voorkomen. Daarnaast beheers je geavanceerde feature engineering en methoden om modellen te ensemblen. Al deze technieken pas je toe op gegevenssets uit Kaggle-competities.

Extreme Gradient Boosting with XGBoost

Ontdek hoe je Kaggle-wedstrijden wint: juiste aanpak en validatieschema kiezen voor data science.

Een Kaggle-competitie winnen met Python

Leer hoe je wedstrijden op Kaggle kunt aanpakken en winnen.

Wetenschapper op het gebied van machine learning in Python

Model	Train MSE	Validatie 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

Welk model overfit?

Een Kaggle-competitie winnen met Python

Praktische interactieve oefening