Un "Kaggle Notebook" est un serveur jupyter gratuit pouvant intégrer un GPU. Comme les notebooks DataCamp Workspace, il vous permet d'exécuter des opérations d'apprentissage automatique sur des machines dans le cloud plutôt que sur votre propre ordinateur. À chaque création d'un Kaggle Notebook, vous pouvez modifier et exécuter son contenu directement dans le navigateur. Inutile de configurer votre environnement jupyter local : accédez à Kaggle, créez un notebook et utilisez-le dans le navigateur. Vous pouvez consulter les notebooks que vous avez déjà créés sur la page Kaggle Notebook et explorer ceux des autres utilisateurs.
Pour créer un Notebook, cliquez sur "New Notebook" après avoir ouvert la page Kaggle Code (figure 3.1). Une fois cette action effectuée, des ressources cloud vous sont allouées et un notebook est créé instantanément. Vous pouvez nommer votre notebook en cliquant sur le texte du notebook en haut à gauche. Comme vous le verrez d'emblée, de nombreuses options et fonctionnalités présentes dans les jupyter notebooks sont disponibles ici aussi.
Les questions les plus fréquentes sur les Kaggle Notebooks portent sur la publication d'un notebook, l'ajout de collaborateurs, l'import de jeux de données et l'utilisation du GPU. Les boutons nécessaires pour chacune de ces actions sont visibles à la figure 3.2.
Commencez par valider une version de votre Notebook pour le rendre public. Créez une nouvelle version en cliquant sur le bouton "Save Version" en haut à droite. Vous pourrez ensuite rendre votre notebook accessible à tous via le bouton "Share" situé à sa gauche, ou ajouter des collaborateurs depuis le même menu. Pour importer un jeu de données, cliquez simplement sur le bouton "Add data" sous "Save Version" dans le menu de droite et sélectionnez le dataset souhaité. Pour activer le GPU, choisissez l'option GPU dans la section accelerator du menu de droite. Le temps GPU maximal utilisable sur Kaggle est de 30 heures par semaine.
Toutes les autres fonctionnalités des notebooks sont détaillées dans la documentation Kaggle.
KAGGLE DATASETS
QU'EST-CE QUE LES KAGGLE DATASETS ?
Kaggle est une plateforme de data science qui prend aussi en charge la gestion de jeux de données. "Kaggle Datasets" vous permet de créer vos propres datasets, de les partager et de les importer facilement dans vos notebooks. Vous pouvez également ajouter des datasets privés visibles uniquement par vous.
Ce qui fait de cette fonctionnalité l'une des plus importantes sur Kaggle, c'est l'accès à une grande variété de jeux de données de haute qualité partagés par d'autres utilisateurs. Vous trouvez aisément ce qu'il vous faut grâce à quelques recherches et filtres.
FILTRES DE RECHERCHE DE DATASETS
Pour rechercher un dataset, saisissez des mots-clés dans le champ de recherche, comme illustré figure 4.1. Ici, on voit que taper simplement "Covid" dans la barre de recherche permet d'accéder à plusieurs jeux de données sur la pandémie.
En cliquant sur "Filters" à droite de la barre de recherche, vous accédez à davantage d'options de filtrage (figure 4.2). Vous pouvez ainsi affiner la recherche par tags, type de fichier, ou encore définir une taille minimale ou maximale du dataset (figure 4.3).
Kaggle vous permet de télécharger gratuitement n'importe quel dataset, mais selon l'usage envisagé, il convient de prêter attention au type de licence. Dans certains cas, vous pourriez devoir obtenir des autorisations supplémentaires de la part des propriétaires si vous souhaitez utiliser un dataset dans un article académique ou à des fins commerciales, par exemple.
Il existe trois grands types de licences sur Kaggle :
- Creative Commons : plusieurs variantes existent :
- CC0, qui correspond au domaine public et signifie que le dataset est disponible pour tous, sans condition.
- CC-BY, qui impose de créditer le ou la propriétaire du dataset.
- CC-BY-SA, qui impose également la mention de l'auteur et exige que le dataset modifié conserve le même type de licence.
- GPL : cette licence offre principalement quatre libertés d'usage :
- Utilisation illimitée du dataset.
- Possibilité d'en étudier le fonctionnement et de le modifier.
- Droit de distribution illimitée de copies du dataset.
- Possibilité de distribuer une version modifiée du dataset.
- Open Database : permet de partager, modifier et utiliser le dataset, tout en rendant obligatoire l'application du même type de licence au dataset modifié.
DATA EXPLORER
La section Data Explorer permet de parcourir rapidement le contenu et la structure des datasets. Elle offre une vue d'ensemble des fichiers et des colonnes, ainsi que leurs histogrammes (figure 4.4).
DATASETS POUR DÉBUTER
Les datasets ci-dessous sont ludiques et faciles à explorer lorsque l'on débute. Importez-les dans vos notebooks et commencez à visualiser les données. Dès que vous avez une idée, vous pouvez même entraîner des modèles d'apprentissage automatique avec certains d'entre eux.
- Digimon Database : une base de données de Digimon et de leurs attaques issue de Digimon Story CyberSleuth.
- Animal Bites : des données sur plus de 9 000 morsures, y compris des tests de rage.
- 80 Cereals : des données nutritionnelles sur 80 céréales du commerce.
- Women's Shoe Prices : une liste de 10 000 modèles de chaussures pour femme et leurs prix de vente.
- Groundhog Day Forecasts and Temperatures : quelle est la précision des prévisions hivernales de Punxsutawney Phil ?
DATASETS PERSONNALISÉS
Vous pouvez aussi téléverser et utiliser vos propres datasets sur Kaggle. Cette fonctionnalité est utile si vous disposez de vos données ou si vous avez modifié un dataset et souhaitez l'utiliser dans votre notebook. Pour importer un dataset, compressez d'abord votre fichier principal au format zip. Cliquez ensuite sur "New Dataset" dans la section Datasets. Donnez un nom à votre dataset et téléversez votre fichier zip (figure 4.5).
Et voilà. Vous pouvez désormais importer le dataset téléversé dans votre notebook et l'utiliser, comme indiqué en section 2. Si vous souhaitez garder le dataset privé, vérifiez que l'étiquette en bas à droite de l'écran de téléversement indique "Private". Si vous ne voulez pas qu'il soit privé, cliquez sur l'étiquette et passez-la à "Public".