¿Qué es Kaggle?

¿Qué es Kaggle?

Kaggle es una plataforma y comunidad online para científicos de datos y personas entusiastas del machine learning. Permite colaborar con otros usuarios, encontrar y publicar conjuntos de datos, usar notebooks con GPU integrada y competir con otros profesionales para resolver retos de data science. El objetivo de esta plataforma online (fundada en 2010 por Anthony Goldbloom y Jeremy Howard y adquirida por Google en 2017) es ayudar a profesionales y estudiantes a avanzar en su camino en ciencia de datos con las potentes herramientas y recursos que ofrece. A día de hoy (2021), Kaggle cuenta con más de 8 millones de usuarios registrados.

Uno de los apartados que ha hecho de Kaggle un recurso tan popular son sus competiciones. De forma similar a cómo HackerRank cumple ese papel para desarrolladores de software e ingenieros informáticos, las Kaggle Competitions son muy relevantes para los científicos de datos; puedes saber más en nuestra guía completa de competiciones en Kaggle y aprender a analizar un dataset paso a paso en nuestro tutorial de competición en Kaggle. En competiciones de ciencia de datos como las de Kaggle o las de DataCamp, empresas y organizaciones comparten gran cantidad de retos con recompensas atractivas en los que compiten científicos de datos de todos los niveles, desde principiantes hasta expertos. Kaggle también ofrece Kaggle Notebook que, igual que DataLab, te permite editar y ejecutar tu código para tareas de ciencia de datos directamente en el navegador, de forma que tu ordenador no tenga que hacerlo todo ni tengas que configurar un nuevo entorno de desarrollo por tu cuenta. 

Kaggle proporciona potentes recursos en la nube y permite usar hasta 30 horas de GPU y 20 horas de TPU por semana. Puedes subir tus propios datasets a Kaggle y descargar los de otras personas. Además, puedes revisar datasets y notebooks de otros usuarios y abrir debates sobre ellos. Toda tu actividad se puntúa en la plataforma y tu puntuación aumenta a medida que ayudas a los demás y compartes información útil. Cuando empieces a ganar puntos, aparecerás en un ranking en tiempo real entre los 8 millones de usuarios de Kaggle. 

Kaggle es útil para diferentes perfiles, desde estudiantes interesados en ciencia de datos e inteligencia artificial hasta los científicos de datos más experimentados del mundo. Si estás empezando, puedes aprovechar los cursos que ofrece Kaggle. Al unirte a la plataforma, progresarás dentro de una comunidad con distintos niveles de experiencia y podrás conectar con numerosos científicos de datos de alto nivel. A medida que ganes puntos y medallas en Kaggle, prueba de tu progreso, es muy posible que atraigas a headhunters y recruiters y se te abran nuevas oportunidades laborales.

Por último, mencionar tu experiencia en Kaggle al solicitar un puesto en data science causa sin duda una buena impresión. Y, como es lógico, todos estos beneficios también aplican a profesionales con mucha experiencia. Tengas la experiencia que tengas, esta plataforma ofrece aprendizaje y mejora continuos y, por supuesto, los premios en metálico de algunas competiciones también son un gran aliciente.

Cursos útiles de data science para tener éxito en Kaggle

Algunos cursos recomendados en DataCamp para principiantes:

• Winning a Kaggle Competition in Python: Desarrolla los enfoques y las estrategias que aplicarás en las competiciones de Kaggle
• Introduction to Python: Aprende lo básico del lenguaje más popular en ciencia de datos
• Intermediate Python: Otro curso para afianzar los conocimientos esenciales de Python
• Linear Classifiers in Python: Aprende regresión logística y máquinas de vectores de soporte y crea tus primeros modelos con Scikit-learn
• Cluster Analysis in Python: Aprendizaje no supervisado con la librería SciPy 
• Preprocessing for Machine Learning in Python: Prepara tus datos para modelos de machine learning
• Model Validation in Python: Aprende a responder a la pregunta «¿qué tal funciona tu modelo?» 
• Dimensionality Reduction in Python: La base de la visualización de datos
• Designing Machine Learning Workflows in Python: Una visión de alto nivel del proceso para llevar modelos de machine learning a producción 
• Data Privacy and Anonymization in Python: Un curso imprescindible sobre la privacidad de los datos de tu empresa o de cualquier startup que lances
• Introduction to Data Visualization with Seaborn: Desarrolla tus habilidades de visualización con la librería de Python Seaborn—ideal para quienes empiezan en visualización
• Image Processing in Python: Aprende técnicas de preprocesado de imágenes para acceder y extraer la enorme cantidad de información que contienen.
• Introduction to Natural Language Processing in Python: Conoce los fundamentos del procesamiento del lenguaje natural y algunas de sus librerías más populares 
• Introduction to SQL: Aprende SQL básico para trabajar con bases de datos 
• Intermediate SQL: Mejora tus habilidades en SQL 
• Introduction to Deep Learning with PyTorch: Introducción al deep learning con el paquete de Python más popular y fácil de usar, PyTorch 
• Time Series Analysis in Python: Aprende modelos y técnicas de series temporales 

Empleo en Kaggle

"Kaggle Jobs" fue una plataforma de ofertas de empleo en ciencia de datos que Kaggle lanzó en 2014. Su objetivo era ayudar a las empresas a encontrar candidatos idóneos y a los científicos de datos a dar con la empresa adecuada para ellos. Kaggle la cerró en 2020 por falta de actividad. Aun así, aquí tienes algunas alternativas a Kaggle Jobs y otras plataformas de empleo:

• LinkedIn: Una de las plataformas más usadas para buscar trabajo. Encontrarás ofertas adecuadas con solo escribir "data scientist" en la barra de búsqueda. También puedes aplicar filtros detallados: remoto/presencial, ubicación, tamaño de empresa, etc.
• Upwork: Plataforma de trabajo freelance ideal también para encontrar empleos a tiempo parcial y a tiempo completo. Antes de optar a trabajos de larga duración, suele ser necesario completar algunos proyectos cortos y recibir valoraciones.
• AngelList: Plataforma ideal para postular a ofertas en startups.
• Y Combinator: Aceleradora y plataforma de financiación de la que salen algunas de las startups más prestigiosas. En ella se comparten sus ofertas de empleo.
• StackOverflow: Plataforma de preguntas y respuestas para programadores e ingenieros de la que todos nos beneficiamos, con o sin experiencia. También tiene una sección de ofertas.

PREGUNTAS FRECUENTES SOBRE KAGGLE (FAQ)

¿Qué es Kaggle y para qué sirve?

Kaggle es una plataforma de ciencia de datos e inteligencia artificial. En ella, grandes empresas y organizaciones publican concursos con premios en metálico. Además de las competiciones, los usuarios pueden compartir sus datasets y consultar los de otras personas. También pueden publicar fragmentos de código usando esos datasets y conversar al respecto en la sección de debates. Cualquier usuario puede aprovechar los cursos gratuitos disponibles en Kaggle y obtiene un certificado gratuito al completarlos con éxito.

¿Kaggle es gratis?

Sí, todo en Kaggle es completamente gratuito: cursos, certificados de los cursos, datasets, participación en competiciones, secciones de debate, etc.

¿Qué son las competiciones de Kaggle?

Las competiciones de Kaggle consisten en retos de ciencia de datos. Algunas no tienen premio (pero ofrecen aprendizaje y oportunidades para compartir conocimiento), mientras que otras incluyen generosos premios en efectivo. Puedes participar en solitario o en equipo. Además del premio económico por buenas puntuaciones, ganas medallas y puntos. Estos puntos y medallas te sitúan en un ranking junto a otros científicos de datos de todos los niveles en la plataforma. Ese ranking determina tu posición global en Kaggle. Las competiciones que ganes y tu posición en Kaggle pueden impulsar tu carrera profesional. Para más información sobre las competiciones, visita la sección 4.

¿Kaggle es una buena forma de aprender ciencia de datos?

Hay muchas alternativas para aprender lo básico y adentrarte en la ciencia de datos, pero Kaggle destaca por varios motivos. Tiene muchos elementos que te ayudan a ampliar conocimientos y mantener la motivación.

El principal es su sistema de ranking. A medida que progresas, puntúas en competiciones y aportas información útil, tu posición global en Kaggle sube y puedes seguirla al instante. Estar en el mismo ranking que expertos reconocidos en la plataforma resulta muy motivador.

Además, mucha gente en la plataforma es colaborativa y sigue ganando puntos y mejorando su posición al ayudarte. Por ejemplo, si compartes un fragmento de código y abres un debate para preguntar cómo mejorarlo, es muy probable que recibas comentarios de los mejores científicos de datos de la plataforma. Funciona como un sistema de mentoría especialmente útil para principiantes.

¿Quién es el propietario de Kaggle?

Kaggle fue fundada en 2010 por Anthony Goldbloom y Ben Hamner. El 8 de marzo de 2017, Google adquirió Kaggle.

¿Los datasets de Kaggle son gratuitos?

Para saber con qué fines puedes usar los datasets, debes revisar su licencia. Algunos no pueden usarse en publicaciones académicas o con fines comerciales. En cualquier caso, puedes descargar gratuitamente cada dataset compartido a tu Kaggle Notebook o a cualquier otro lugar mediante la API de Kaggle.

¿Kaggle ofrece GPU?

En los notebooks de Kaggle puedes activar una GPU en cualquier momento. Puedes usarla un máximo de 30 horas por semana. La GPU que ofrece Kaggle es una Nvidia Tesla P100 con 16 GB de memoria.

¿Quién es Jeremy Howard?

Jeremy Howard es un científico de datos y emprendedor australiano que ganó las competiciones globales de Kaggle en 2011 y 2010. Después fue Chief Scientist y presidente en Kaggle.

¿Qué es un Kaggle Grandmaster?

El nivel de grandmaster es el más alto dentro de los niveles de rendimiento de Kaggle (novice, contributor, expert, master y grandmaster). Para alcanzarlo, un usuario debe ganar al menos 5 medallas de oro en competiciones (al menos 1 en solitario); al menos 5 medallas de oro y 5 de plata en datasets; al menos 15 medallas de oro en notebooks; y al menos 500 medallas en debates, de las cuales al menos 50 deben ser de oro. Actualmente solo hay 241 científicos de datos en el nivel de grandmaster.

¿Los datasets de Kaggle son de código abierto?

Sí. Los datasets de Kaggle son de código abierto, pero para saber con qué fines pueden usarse debes comprobar su licencia. Algunos no pueden usarse en publicaciones académicas o con fines comerciales.

¿Los datasets de Kaggle son fiables?

La gran mayoría de los datasets de Kaggle son fiables. Puedes evaluar su fiabilidad por sus votos positivos o revisando los notebooks que los utilizan. Aun así, no todos los datasets de Kaggle encajarán en casos de uso reales.

¿Kaggle tiene app móvil?

Actualmente Kaggle no tiene aplicación móvil. Sin embargo, DataCamp sí cuenta con una app para aprender ciencia de datos y practicar programación. Está disponible para iOS y Android.

¿Kaggle usa mi CPU?

Kaggle Kernel es un servidor gratuito de notebooks Jupyter con posibilidad de integrar GPU. Te permite ejecutar operaciones de machine learning en ordenadores en la nube en lugar de hacerlo en tu equipo, de forma similar a DataLab, que funciona en el navegador utilizando recursos en la nube en lugar de tu máquina local. 

¿Dónde está la salida de mi notebook en Kaggle?

Para acceder a los outputs de tu notebook en Kaggle, primero debes hacer commit del notebook. Puedes hacerlo haciendo clic en el botón "Save Version" en la parte superior izquierda. Tras hacer commit, habrá dos kernels en ejecución. El primero es el que estás editando en ese momento y el segundo es el kernel en segundo plano que has confirmado. El kernel en segundo plano generará archivos de salida listos para descargar. Los notebooks interactivos no guardan archivos. Cuando el kernel en segundo plano termine, haz clic en el botón de retroceso arriba a la izquierda para ir a la página con las pestañas: Notebook, Code, Data, Output y Comments. Al cambiar a la pestaña Output, verás que los archivos están listos para descargar.

¿Por dónde empezar en Kaggle?

Si estás empezando, puedes participar en las competiciones de la categoría "Getting Started" dentro de la sección de competiciones. También puedes revisar los notebooks de otras personas. Si tienes un nivel más avanzado, puedes empezar directamente uniéndote a competiciones activas.

¿Cuándo se reinicia la cuota de GPU en Kaggle?

La cuota de GPU se renueva cada sábado. Puedes comprobar tu cuota restante de GPU en la sección GPU accediendo a la pestaña Account de tu perfil. En esta sección verás tu almacenamiento privado de datos y las cuotas de GPU y TPU.

¿Dónde encontrar las soluciones ganadoras de Kaggle?

Al entrar en la pestaña de debates desde la página de una competición, verás muchos hilos sobre esa competición. El hilo con más votos aparece arriba y suele incluir la explicación de la solución ganadora y el enlace al notebook correspondiente.