Saltar al contenido principal
InicioPythonWinning a Kaggle Competition in Python

Winning a Kaggle Competition in Python

Learn how to approach and win competitions on Kaggle.

Comience El Curso Gratis
4 horas16 vídeos52 ejercicios
18.113 aprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

Kaggle is the most famous platform for Data Science competitions. Taking part in such competitions allows you to work with real-world datasets, explore various machine learning problems, compete with other participants and, finally, get invaluable hands-on experience. In this course, you will learn how to approach and structure any Data Science competition. You will be able to select the correct local validation scheme and to avoid overfitting. Moreover, you will master advanced feature engineering together with model ensembling approaches. All these techniques will be practiced on Kaggle competitions datasets.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.

En las siguientes pistas

Científico de machine learning en Python

Ir a la pista
  1. 1

    Kaggle competitions process

    Gratuito

    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.

    Reproducir Capítulo Ahora
    Competitions overview
    50 xp
    Explore train data
    100 xp
    Explore test data
    100 xp
    Prepare your first submission
    50 xp
    Determine a problem type
    50 xp
    Train a simple model
    100 xp
    Prepare a submission
    100 xp
    Public vs Private leaderboard
    50 xp
    What model is overfitting?
    50 xp
    Train XGBoost models
    100 xp
    Explore overfitting XGBoost
    100 xp
  2. 2

    Dive into the Competition

    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.

    Reproducir Capítulo Ahora
  3. 4

    Modeling

    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.

    Reproducir Capítulo Ahora
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más

En las siguientes pistas

Científico de machine learning en Python

Ir a la pista

conjuntos de datos

Demand forecasting (train)Demand forecasting (test)House prices (train)House prices (test)Taxi rides (train)Taxi rides (test)

colaboradores

Collaborator's avatar
Hillary Green-Lerman
Collaborator's avatar
Hadrien Lacroix
Yauhen Babakhin HeadshotYauhen Babakhin

Kaggle Grandmaster

Ver Más

¿Qué tienen que decir otros alumnos?

¡Únete a 14 millones de estudiantes y empieza Winning a Kaggle Competition in Python hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.