印度裔Kaggle大神自述：我是如何獲得所有4個(gè)類別的Grandmaster

白交 2020-11-06 17:19:47 來(lái)源：量子位

楊凈 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

Kaggle大神是如何煉成的？

最近，一個(gè)印度裔Kaggle大神在論壇上分享了他獲得4個(gè)類別的Grandmaster的經(jīng)歷。

嗯，一共就只有四種。

可以看到，他的金牌總數(shù)加起來(lái)就有84枚，其中Discussion上獲得了56枚，數(shù)據(jù)集這一類別的排名術(shù)最高，在27466個(gè)選手中位列第7位，最高排名為第6位。

在Competitions里，他共獲得了4枚單人金牌和4枚團(tuán)隊(duì)金牌。

為此，他就發(fā)表了一篇博文回憶了過(guò)去一些印象深刻的項(xiàng)目，并感謝Kaggle給他這樣一個(gè)平臺(tái)：

我斷斷續(xù)續(xù)在Kaggle上跑了七年，這真是一段旅程。

Kaggle不僅僅是網(wǎng)站或競(jìng)賽。對(duì)于喜歡數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的人來(lái)說(shuō)，這是一生的經(jīng)歷。

除此之外，他還是一個(gè)數(shù)獨(dú)愛好者，多次獲得國(guó)家冠軍，最高排名第8。

4個(gè)Kaggle Grandmaster的經(jīng)歷

首先是Competitions。

在過(guò)去7年中，他共完成了56場(chǎng)比賽，他的最高成績(jī)是4枚個(gè)人金牌和4枚團(tuán)隊(duì)金牌。

其中Santander、ASHRAE這幾個(gè)金牌項(xiàng)目令他印象深刻。

Santander Product Recommendation，桑坦德產(chǎn)品推薦。（桑坦德，西班牙的一個(gè)銀行）

這一挑戰(zhàn)中，主要是根據(jù)客戶過(guò)去的行為以及類似客戶的行為，來(lái)預(yù)測(cè)現(xiàn)有客戶下個(gè)月將使用哪些產(chǎn)品，進(jìn)而將產(chǎn)品和人來(lái)匹配。

最終，共有1779支隊(duì)伍參加，而他與另一位數(shù)據(jù)科學(xué)家合作@sudalairajkumar，排列第11位，摘得他第五枚金牌。

還有像ASHRAE，預(yù)測(cè)建筑物將消耗多少能量？Rossmann Store Sales，利用商店促銷、競(jìng)爭(zhēng)對(duì)手來(lái)分析銷售情況等等。

作者認(rèn)為，這是唯一具有意義的積分排名系統(tǒng)類別。他希望可以成為Kaggle以外的行業(yè)標(biāo)準(zhǔn)，使其更具價(jià)值。

然后是Datasets。

作者表示，為數(shù)據(jù)集爭(zhēng)取投票是最具挑戰(zhàn)性任務(wù)之一。

因此，他就以對(duì)終端用戶最有用、最為結(jié)構(gòu)化的格式來(lái)準(zhǔn)備數(shù)據(jù)集，并加以盡可能多的細(xì)節(jié)描述。

一些令人印象深刻的數(shù)據(jù)有這些：

• 印度的空氣質(zhì)量：作者花了100小時(shí)來(lái)匯總、清理和準(zhǔn)備這個(gè)數(shù)據(jù)集。
• Chai Time Data Science Show（對(duì)ML專家的采訪節(jié)目）每集的統(tǒng)計(jì)數(shù)據(jù)；

• 女特級(jí)大師的國(guó)際象棋比賽(2009-2020年)。嗯，國(guó)際象棋是作者的最愛。

不過(guò)，在他發(fā)布的18個(gè)數(shù)據(jù)集當(dāng)中，我還是發(fā)現(xiàn)了一些有趣的數(shù)據(jù)集。

比如，拜登的從2007年-2020年數(shù)據(jù)推特?cái)?shù)。

SpaceX的數(shù)據(jù)（2006-2020）。

還有Notebooks。

在比賽結(jié)束之前，作者是不會(huì)看公共EDA Notebook。一般是在完成自己深度EDA后再看別人的工作。

按照這樣的方式，他就獲得了15枚金牌，4枚銀牌以及6枚銅牌，達(dá)到大師級(jí)別。

不過(guò)，他也感嘆道，用Macbook Air贏得比賽的日子已經(jīng)一去不復(fù)返了，但誰(shuí)說(shuō)不會(huì)再嘗試了呢。

最后還有，Discussions。

作為喜歡交流的他，除了獲得以上成績(jī)之外，他還對(duì)社區(qū)一些建議，

社區(qū)通過(guò)帖子的凈投票來(lái)優(yōu)先處理有用的討論，并過(guò)濾掉垃圾信息，這一點(diǎn)做得很好。

我希望Datasets和Notebooks也能允許下拉投票，不被區(qū)別對(duì)待。

2020年亞洲數(shù)獨(dú)錦標(biāo)賽銀牌得主

來(lái)介紹一下作者本作——Vopani，真名叫做Rohan Rao，來(lái)自印度，是H2O.ai的數(shù)據(jù)科學(xué)家，畢業(yè)于印度孟買理工學(xué)院應(yīng)用統(tǒng)計(jì)學(xué)專業(yè)。

而H2O.ai是一家成立于2012年，總部位于硅谷的開源軟件公，該公司擁有一個(gè)數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的開源平臺(tái)H2O。據(jù)介紹稱，一半的世界五百?gòu)?qiáng)公司都在使用這個(gè)平臺(tái)。

除此之外，他還是一個(gè)數(shù)獨(dú)愛好者。

他曾獲得7次全國(guó)數(shù)獨(dú)冠軍，5次全國(guó)拼圖類冠軍，4次時(shí)代數(shù)獨(dú)國(guó)家冠軍，2020年亞洲數(shù)獨(dú)錦標(biāo)賽銀牌得主。

目前數(shù)獨(dú)世界排名在第23名，最佳成績(jī)到過(guò)第8名。

果然，優(yōu)秀的人一定不只一個(gè)地方優(yōu)秀。

好了，所以你身邊有沒(méi)有遇到Kaggle大神的經(jīng)歷，歡迎與我們分享。

參考鏈接：
https://www.kaggle.com/general/195396