Un "Kaggle Notebook" es un servidor gratuito de Jupyter Notebook que puede integrar GPU. Igual que los notebooks de DataCamp Workspace, te permite realizar operaciones de machine learning en equipos en la nube en lugar de hacerlo en tu propio ordenador. Cada vez que creas un Kaggle Notebook, puedes editar y ejecutar su contenido en el navegador. No necesitas configurar tu propio entorno de Jupyter Notebook: entra en Kaggle, crea un notebook y empieza a usarlo desde el navegador. Puedes ver los notebooks que has creado antes en la página de Kaggle Notebook y también revisar los notebooks de otras personas.
Para crear un Notebook, haz clic en "New Notebook" después de ir a la página Kaggle Code (Figura 3.1). Tras este paso, se asignarán recursos en la nube para ti y se creará un notebook al instante. Puedes ponerle nombre haciendo clic en el texto del notebook en la esquina superior izquierda. Como verás a simple vista, muchas de las opciones y funciones de Jupyter Notebook también están disponibles aquí.
Las dudas más frecuentes sobre Kaggle Notebooks son cómo compartir un notebook públicamente, cómo añadir a otra persona como colaboradora, cómo importar un dataset a un notebook y cómo usar la GPU. En la Figura 3.2 puedes ver los botones necesarios para realizar cada una de estas acciones.
Primero tienes que hacer commit de una versión de tu Notebook para poder hacerlo público. Puedes crear una nueva versión haciendo clic en el botón "Save Version" arriba a la derecha. Después, puedes hacer que tu notebook sea accesible para todo el mundo haciendo clic en el botón "Share" a la izquierda de este, o añadir a otras personas como colaboradoras desde el mismo menú. Para importar un dataset, simplemente haz clic en el botón "Add data" debajo de "Save Version" en el menú de la derecha y selecciona el dataset que quieras añadir. Para activar la GPU, elige la opción GPU en la sección de acelerador del menú de la derecha. El tiempo máximo de GPU que puedes usar en Kaggle es de 30 horas por semana.
El resto de funciones de los notebooks se explican en detalle en la documentación de Kaggle.
KAGGLE DATASETS
¿QUÉ SON LOS KAGGLE DATASETS?
Kaggle es una plataforma de ciencia de datos, pero también permite gestionar datasets. "Kaggle Datasets" te da la opción de crear tus propios datasets, compartirlos con otras personas e importarlos fácilmente en tus notebooks. Además, puedes añadir datasets privados que solo tú verás.
Lo que hace que esta función sea una de las más importantes de Kaggle es que te da acceso a una gran variedad de datasets de alta calidad compartidos por otros usuarios. Puedes encontrar fácilmente los datasets que buscas con unos pocos métodos de búsqueda y filtrado.
FILTROS DE BÚSQUEDA DE DATASETS
Para buscar un dataset, escribe tus palabras clave en el campo de búsqueda, como se muestra en la Figura 4.1. Aquí puedes ver que accedemos a varios datasets sobre la pandemia con solo teclear "Covid" en la barra de búsqueda.
Si haces clic en "Filters" a la derecha de la barra de búsqueda, aparecerán más opciones de filtrado (Figura 4.2). Con ellas, puedes acotar tu búsqueda introduciendo etiquetas del dataset, tipo de archivo y otros valores como el tamaño mínimo o máximo del dataset (Figura 4.3).
Kaggle te permite descargar cualquier dataset de forma gratuita, pero según para qué lo vayas a usar, puede que tengas que prestar atención al tipo de licencia. En algunos casos, es posible que necesites obtener permisos adicionales de sus propietarios si quieres usar un dataset para un artículo académico o con fines comerciales, por ejemplo.
En Kaggle hay tres tipos principales de licencias:
- Creative Commons: Hay varias clases de licencias Creative Commons:
- CC0, que equivale al dominio público y significa que el dataset está disponible para cualquiera en cualquier circunstancia.
- CC-BY, que requiere que quien use el dataset reconozca a su propietario.
- CC-BY-SA, que también exige atribución e incorpora la condición de mantener el mismo tipo de licencia incluso tras modificar el dataset.
- GPL: Esta licencia básicamente ofrece cuatro opciones principales de uso:
- En primer lugar, puedes usar el dataset sin limitaciones.
- También puedes examinar cómo funciona el dataset y modificarlo.
- Además, puedes distribuir copias del dataset sin límite.
- Y, por último, puedes distribuir también la versión modificada del dataset.
- Open Database: Permite compartir, modificar y usar el dataset, pero obliga a establecer el mismo tipo de licencia para el dataset modificado.
DATA EXPLORER
La sección Data Explorer te permite explorar rápidamente el contenido y la estructura de los datasets. Te ofrece una vista general de los archivos y las columnas de los datos, así como sus histogramas (Figura 4.4).
DATASETS PARA PRINCIPIANTES
Los siguientes datasets son entretenidos y fáciles de trastear si estás empezando. Puedes traerlos a tus notebooks y empezar a ensuciarte las manos visualizando los datos. Cuando se te ocurra una idea, incluso puedes crear modelos de machine learning con algunos de ellos.
- Digimon Database: Una base de datos de Digimon y sus movimientos de Digimon Story CyberSleuth.
- Animal Bites: Datos de más de 9.000 mordeduras, incluidas pruebas de rabia.
- 80 Cereals: Datos nutricionales de 80 cereales.
- Women's Shoe Prices: Lista de 10.000 zapatos de mujer y sus precios de venta.
- Groundhog Day Forecasts and Temperatures: ¿Qué tan acertado es el pronóstico invernal de Punxsutawney Phil?
DATASETS PERSONALIZADOS
También puedes subir y usar tus propios datasets en Kaggle. Esta función viene de perlas cuando tienes tu propio dataset o cuando has modificado uno y quieres usarlo en tu notebook. Para subir un dataset, primero comprime en ZIP el archivo principal. Luego haz clic en "New Dataset" en la sección Datasets. Ponle un nombre y sube tu archivo ZIP (Figura 4.5).
Y listo. Ahora puedes traer el dataset que has subido a tu notebook y empezar a usarlo, como se muestra en la sección 2. Si quieres mantener el dataset en privado, asegúrate de que la etiqueta en la esquina inferior derecha de la pantalla de subida diga "Private". Si no quieres que sea privado, haz clic en la etiqueta y cámbiala a "Public".
