Ein "Kaggle Notebook" ist ein kostenloser Jupyter-Notebook-Server, der sich mit einer GPU verbinden lässt. Ähnlich wie bei DataCamp Workspace-Notebooks kannst du damit Machine-Learning-Aufgaben auf Cloud-Rechnern ausführen, statt auf deinem eigenen Computer. Jedes Mal, wenn du ein Kaggle Notebook erstellst, kannst du dessen Inhalt direkt im Browser bearbeiten und ausführen. Du musst keine eigene Jupyter-Umgebung aufsetzen: Geh zu Kaggle, erstelle ein Notebook und leg im Browser los. Deine zuvor erstellten Notebooks findest du auf der Kaggle-Notebook-Seite, und du kannst auch die Notebooks anderer ansehen.
Um ein Notebook zu erstellen, klicke nach dem Aufrufen der Kaggle-Code-Seite auf "New Notebook" (Abbildung 3.1). Danach werden dir sofort Cloud-Ressourcen zugewiesen und ein Notebook erstellt. Über einen Klick auf den Notebook-Titel oben links kannst du deinem Notebook einen Namen geben. Auf den ersten Blick siehst du: Viele Funktionen, die du aus Jupyter kennst, gibt es hier ebenfalls.
Die häufigsten Fragen zu Kaggle Notebooks sind: Wie mache ich ein Notebook öffentlich? Wie füge ich eine weitere Person als Kollaborateur hinzu? Wie importiere ich ein Dataset in ein Notebook? Und wie nutze ich die GPU? Die entsprechenden Schaltflächen für all diese Aktionen siehst du in Abbildung 3.2.
Zunächst musst du eine Version deines Notebooks committen, um es öffentlich zu machen. Klicke dazu oben rechts auf "Save Version", um eine neue Version anzulegen. Anschließend kannst du dein Notebook über den links daneben liegenden Button "Share" für alle freigeben oder über dasselbe Menü andere als Kollaborateure hinzufügen. Um ein Dataset zu importieren, klicke einfach im rechten Menü unterhalb von "Save Version" auf "Add data" und wähle das gewünschte Dataset aus. Um die GPU zu aktivieren, wähle im rechten Seitenmenü im Bereich Accelerator die Option GPU. Die maximale GPU-Zeit auf Kaggle beträgt 30 Stunden pro Woche.
Alle weiteren Notebook-Funktionen sind in der Kaggle-Dokumentation ausführlich erklärt.
KAGGLE DATASETS
WAS SIND KAGGLE DATASETS?
Kaggle ist eine Data-Science-Plattform, die auch das Arbeiten mit Datasets unterstützt. "Kaggle Datasets" ermöglicht es dir, eigene Datensätze zu erstellen, mit anderen zu teilen und bequem in deine Notebooks zu importieren. Außerdem kannst du private Datasets hinzufügen, die nur für dich sichtbar sind.
Besonders wertvoll ist diese Funktion, weil du Zugriff auf eine große Auswahl hochwertiger Datensätze hast, die von anderen Nutzerinnen und Nutzern geteilt werden. Mit wenigen Such- und Filteroptionen findest du schnell das passende Dataset.
DATASET-SUCHFILTER
Um nach einem Dataset zu suchen, gib deine Suchbegriffe in das Suchfeld ein, wie in Abbildung 4.1 gezeigt. Hier siehst du, dass wir allein durch die Eingabe von "Covid" mehrere Datensätze zur Pandemie finden.
Wenn du rechts neben der Suchleiste auf "Filters" klickst, erscheinen weitere Filteroptionen (Abbildung 4.2). Damit kannst du deine Suche eingrenzen, etwa über Dataset-Tags, Dateityp sowie Mindest- oder Maximalgröße des Datasets (Abbildung 4.3).
Auf Kaggle kannst du jedes Dataset kostenlos herunterladen. Je nach Verwendungszweck solltest du jedoch auf die jeweilige Lizenz achten. In manchen Fällen brauchst du zusätzliche Genehmigungen der Eigentümer, zum Beispiel wenn du ein Dataset für eine wissenschaftliche Veröffentlichung oder für kommerzielle Zwecke einsetzen möchtest.
Auf Kaggle gibt es drei Hauptlizenztypen:
- Creative Commons: Es gibt verschiedene Creative-Commons-Lizenzen:
- CC0 steht für Public Domain und bedeutet, dass der Datensatz ohne Einschränkungen für alle verfügbar ist.
- CC-BY verpflichtet zur Nennung der Urheberin bzw. des Urhebers.
- CC-BY-SA erfordert ebenfalls die Namensnennung und verlangt zusätzlich, dass der Datensatz auch nach Änderungen unter derselben Lizenz weitergegeben wird.
- GPL: Diese Lizenz gewährt im Wesentlichen vier Nutzungsrechte:
- Du darfst einen Datensatz unbegrenzt verwenden.
- Du kannst nachvollziehen, wie der Datensatz aufgebaut ist, und ihn ändern.
- Du darfst unbegrenzt Kopien des Datensatzes weiterverbreiten.
- Und du kannst auch die geänderte Version des Datensatzes verbreiten.
- Open Database: Diese Lizenz erlaubt das Teilen, Ändern und Nutzen des Datensatzes, macht aber verpflichtend, dass auch der geänderte Datensatz unter derselben Lizenz steht.
DATA EXPLORER
Im Bereich Data Explorer kannst du Inhalt und Struktur eines Datasets schnell durchstöbern. Du bekommst eine Übersicht über die Dateien und Spalten sowie zugehörige Histogramme (Abbildung 4.4).
DATASETS FÜR EINSTEIGER
Die folgenden Datensätze machen Spaß und sind ideal, um als Einsteiger zu üben. Lade sie in deine Notebooks und leg mit ersten Visualisierungen los. Wenn dir eine Idee kommt, kannst du mit einigen dieser Datasets sogar Machine-Learning-Modelle bauen.
- Digimon Database: Eine Datenbank zu Digimon und ihren Moves aus Digimon Story CyberSleuth.
- Animal Bites: Daten zu über 9.000 Bissvorfällen, inklusive Tollwuttests.
- 80 Cereals: Nährwertangaben zu 80 Frühstückscerealien.
- Women's Shoe Prices: Eine Liste mit 10.000 Damenschuhen und den jeweiligen Verkaufspreisen.
- Groundhog Day Forecasts and Temperatures: Wie treffsicher ist Punxsutawney Phils Wintervorhersage?
EIGENE DATASETS
Du kannst in Kaggle auch eigene Datensätze hochladen und verwenden. Das ist praktisch, wenn du einen eigenen Datensatz hast oder einen Datensatz angepasst hast und ihn in deinem Notebook nutzen möchtest. Zum Hochladen musst du zunächst deine Hauptdatei zippen. Klicke dann im Bereich Datasets auf "New Dataset". Vergib einen Namen und lade deine ZIP-Datei hoch (Abbildung 4.5).
Und das war’s. Jetzt kannst du den hochgeladenen Datensatz wie in Abschnitt 2 gezeigt in dein Notebook ziehen und verwenden. Wenn der Datensatz privat bleiben soll, achte darauf, dass unten rechts beim Upload "Private" steht. Wenn er nicht privat sein soll, klicke auf das Label und ändere es auf "Public".