Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Kaggle est la plateforme la plus connue pour les compétitions de Data Science. Participer à ces concours vous permet de travailler sur des jeux de données réels, d’explorer divers problèmes de machine learning, de vous mesurer à d’autres participants et, au final, d’acquérir une expérience pratique inestimable. Dans ce cours, vous apprendrez à aborder et structurer n’importe quelle compétition de Data Science. Vous serez capable de choisir le bon schéma de validation locale et d’éviter le surapprentissage. Vous maîtriserez également des techniques avancées de feature engineering ainsi que des approches d’ensemblage de modèles. Toutes ces techniques seront mises en pratique sur des jeux de données issus de compétitions Kaggle.
Prérequis
Programme de formation
Plan du cours
1
Le déroulement des compétitions Kaggle
Dans ce premier chapitre, vous découvrirez le processus d’une compétition Kaggle. Vous entraînerez un modèle et préparerez un fichier CSV prêt pour la soumission. Vous apprendrez la différence entre les partitions de test publiques et privées, et comment éviter le surapprentissage.
- Aperçu des compétitions50 XP
- Explorer les données d’entraînement100 XP
- Explorer les données de test100 XP
- Préparez votre première soumission50 XP
- Déterminer le type de problème50 XP
- Entraîner un modèle simple100 XP
- Préparer une soumission100 XP
- Classement Public vs Privé50 XP
- Quel modèle fait du surapprentissage ?50 XP
- Entraîner des modèles XGBoost100 XP
- Explorer le surapprentissage avec XGBoost100 XP
2
Plongez dans la compétition
Maintenant que vous connaissez les bases des compétitions Kaggle, vous allez apprendre à étudier le problème spécifique à traiter. Vous pratiquerez l’EDA et mettrez en place des stratégies de validation locale adaptées. Vous apprendrez aussi à repérer les fuites de données.
3
Feature engineering
Vous allez maintenant découvrir différents types de variables. Vous modifierez des variables existantes et en créerez de nouvelles. Vous traiterez également les données manquantes de manière appropriée.
4
Modélisation
Il est temps de rassembler le tout et de construire des modèles ! Dans ce dernier chapitre, vous bâtirez un modèle de base avant d’ajuster certains hyperparamètres et d’améliorer vos résultats grâce à des ensembles. Vous terminerez avec quelques astuces finales pour vous aider à concourir plus efficacement.
Gagner une compétition Kaggle en Python
Cours
terminé
