विषय-सूची
- Kaggle प्रतियोगिताएँ क्या हैं?
- Kaggle प्रतियोगिताओं में भाग लेना कितना लाभदायक है?
- डेटा साइंस प्रतियोगिता में आपको कब भाग लेना चाहिए?
- Datacamp प्रतियोगिताएँ क्या हैं?
- अपने स्तर के अनुरूप सही Kaggle प्रतियोगिता कैसे ढूँढें? (शुरुआती से उन्नत कौशल तक)
- Kaggle प्रतियोगिता टिप्स
- एक प्रोग्रामिंग भाषा चुनें
- "Getting Started" टैग वाली प्रतियोगिताओं में भाग लें
- सिर्फ Kaggle पर निर्भर न रहें
- सीखने पर ध्यान दें
- अन्य सार्वजनिक नोटबुक्स का अध्ययन करें
- प्रतियोगिता के नियम पढ़ें
- अपने समाधान साझा करें
- DataCamp में यह पाठ्यक्रम करें
- Kaggle रैंकिंग्स क्या हैं?
- Kaggle मेडल्स
- प्रतियोगिता मेडल
- डेटासेट मेडल
- नोटबुक मेडल
- चर्चा मेडल
- परफॉर्मेंस टियर
- Novice
- Contributor
- Expert
- Master
- Grandmaster
- Contributor से Expert बनने में कितना समय लगता है?
- Kaggle रैंकिंग टिप्स
- निष्कर्ष
Kaggle प्रतियोगिताएँ क्या हैं?
अब जब हम Kaggle की बुनियादी बातें जैसे नोटबुक्स और डेटासेट्स कवर कर चुके हैं, तो हम Kaggle प्रतियोगिताओं से जुड़े सबसे आम सवालों पर बात कर सकते हैं: इन्हें कौन आयोजित करता है? क्या मैं हिस्सा ले सकता/सकती हूँ? मुझे क्यों भाग लेना चाहिए?
आखिरी सवाल सबसे अहम है। Kaggle प्रतियोगिताएँ चुनौतीपूर्ण मशीन लर्निंग कार्यों पर आधारित होती हैं जिन्हें Kaggle स्वयं या अन्य बड़ी कंपनियाँ, संगठन और विश्वविद्यालय आयोजित करते हैं। इन प्रतियोगिताओं में उपयोगकर्ता प्लेटफ़ॉर्म पर अन्य डेटा वैज्ञानिकों से प्रतिस्पर्धा करते हैं ताकि वे प्रतियोगिता के दौरान बनाए गए मशीन लर्निंग मॉडलों से अधिक सटीक भविष्यवाणियाँ जमा कर सकें। सबमिशन के बाद, आपके मॉडल के प्रदर्शन को दर्शाने वाला एक स्कोर स्वतः गणना किया जाता है।
यह आम गलतफहमी है कि इन प्रतियोगिताओं में भाग लेने से पहले प्रायिकता और सांख्यिकी के पाठ्यक्रम करना या कुछ विशेष मशीन लर्निंग लाइब्रेरी की गहरी समझ होना अनिवार्य है। सच यह है कि आप अपने स्तर की परवाह किए बिना Kaggle प्रतियोगिताओं में भाग ले सकते हैं—और आपको लेना चाहिए। प्रतियोगिताएँ केवल विशेषज्ञों तक सीमित नहीं हैं; हर कोई उनसे मूल्यवान अनुभव प्राप्त कर सकता है और इन्हें डेटा साइंस पोर्टफ़ोलियो बनाने के लिए भी उपयोग कर सकता है।
Kaggle प्रतियोगिताओं में भाग लेना कितना लाभदायक है?
- आप डेटा साइंस में कितने भी अनुभवी क्यों न हों, इस सतत बढ़ते और विकसित होते क्षेत्र में प्रतियोगिताओं में भाग लेकर आप अपने कौशल सुधार सकते हैं। ये डेटा साइंस प्रतियोगिताएँ आपको आपकी क्षमता के भीतर चुनौती देंगी। जितना अधिक समय और प्रयास आप Kaggle या DataCamp की डेटा साइंस प्रतियोगिताओं में लगाएंगे, उतनी ही जल्दी आप अपनी उपयोग में आने वाली लाइब्रेरीज़ और प्रोग्रामिंग भाषाओं के साथ सहज हो जाएँगे।
- आप विश्वभर के सभी स्तरों के डेटा वैज्ञानिकों के बीच अपनी रैंकिंग अर्जित करेंगे।
- आपको विजेता समाधानों की समीक्षा करने और एक ही समस्या के अलग-अलग दृष्टिकोण देखने का अवसर मिलेगा। इससे चुनौतीपूर्ण कार्यों का अलग-अलग कोणों से विश्लेषण करना आपके लिए आसान होगा।
- आपको उच्च-गुणवत्ता वाले डेटासेट्स उपलब्ध कराए जाएँगे। इससे आप पूरी तरह समाधान पर ध्यान केंद्रित कर पाएँगे, क्योंकि आपको स्वयं डेटा साफ़ करने, संबंधित डेटा एकत्र करने या एक सुसंगत व सुव्यवस्थित टैग वाला डेटासेट बनाने की चिंता नहीं करनी पड़ेगी।
- आपको प्रतियोगिता विजेताओं और अन्य शीर्ष-स्तरीय डेटा वैज्ञानिकों के साथ तकनीकी चर्चा में भाग लेने का मौका मिलेगा। इससे आपका नेटवर्क विस्तृत होगा।
- वास्तविक समस्याओं पर काम करना आपको प्रेरित करेगा और डेटा वैज्ञानिक की दिन-प्रतिदिन की जिम्मेदारियों और कामकाज की समझ देगा।
- इसमें स्पष्ट आर्थिक प्रोत्साहन भी है।
Kaggle या DataCamp प्रतियोगिताओं में भाग लेना निश्चित रूप से लाभदायक है। आपकी विशेषज्ञता के स्तर की परवाह किए बिना, ऊपर सूचीबद्ध फ़ायदों में से कम-से-कम एक तो आपके लिए प्रासंगिक होगा ही। डेटा साइंस प्रतियोगिताओं की व्यापक विविधता मौजूद है और नई प्रतियोगिताएँ नियमित रूप से प्रकाशित होती रहती हैं। अभी यदि आपकी रुचि न भी हो, तो भी प्रकाशित प्रतियोगिताओं पर नज़र रखना उचित है—संभावना है कि भविष्य में कोई-न-कोई आपके लिए प्रासंगिक हो जाए।
डेटा साइंस प्रतियोगिता में आपको कब भाग लेना चाहिए?
किसी प्रतियोगिता में प्रवेश करने से पहले, निम्न तीन मानदंडों को ध्यान में रखें:
- क्या इस प्रतियोगिता पर लगाए गए समय और मेहनत का संतुलन उससे मिलने वाले सुधार के साथ बैठता है?
- जीत के पीछे आर्थिक प्रोत्साहन क्या है, और क्या वह आपके समय के लायक है?
- क्या प्रतियोगिता का काम, शोध और आपका योगदान एक डेटा प्रोफेशनल के रूप में आपको संतोष देगा?
कुछ डेटा वैज्ञानिक महज़ नेटवर्क बढ़ाने और अभ्यास के लिए किसी भी प्रतियोगिता में भाग लेकर खुश रहते हैं। हालांकि, अधिकांश लोगों को यह तय करने के लिए ऊपर के मानदंडों का मूल्यांकन करना पड़ता है कि कोई प्रतियोगिता सार्थक है या नहीं। आपको भी अपने मानदंड खोजने होंगे और प्रतियोगिता में शामिल होने से पहले उन्हें तौलना होगा—यह याद रखते हुए कि जितनी अधिक प्रतियोगिताओं में आप भाग लेंगे, Kaggle से उतने अधिक लाभ और सीखने के अनुभव मिलेंगे।
Datacamp प्रतियोगिताएँ क्या हैं?
DataCamp Competitions और Kaggle प्रतियोगिताओं में कई समानताएँ हैं। जैसे Kaggle पर, वैसे ही DataCamp में भी आपको सार्वजनिक रूप से साझा की गई नोटबुक्स देखने का मौका मिलता है, और DataCamp प्रतियोगिताओं में भी पुरस्कार होते हैं। यदि आप प्रतियोगिताओं में रैंक करते हैं, तो आपको 1-वर्ष की प्रीमियम DataCamp सदस्यता मिलती है और आप नकद पुरस्कार भी जीत सकते हैं। DataCamp पर Kaggle जैसा ही वातावरण है जिसमें सभी स्तरों के डेटा वैज्ञानिक चर्चा पृष्ठों के माध्यम से एक साथ आ सकते हैं।
फिर भी, Kaggle और Datacamp प्रतियोगिताओं में कुछ महत्वपूर्ण अंतर हैं। एक ओर, Kaggle प्रतियोगिताएँ मशीन लर्निंग पर अधिक केंद्रित होती हैं, जबकि DataCamp व्यापक संदर्भ में आपकी विश्लेषणात्मक, स्टोरीटेलिंग और विज़ुअलाइज़ेशन कौशल की परीक्षा पर ध्यान देता है। दूसरी ओर, DataCamp एक उभरता हुआ प्लेटफ़ॉर्म है जहाँ प्रतिभागियों की संख्या अपेक्षाकृत कम है, इसलिए वहाँ जीतने की संभावना अधिक होती है।
किसी भी स्थिति में, केवल जीतने के इरादे से प्रतियोगिताओं में भाग नहीं लेना चाहिए। यदि आप प्रगति पर ध्यान केंद्रित करते हैं, तो आपको उनसे कहीं अधिक लाभ मिलेगा, और इस संदर्भ में DataCamp भी सुधार के लिए बेहतरीन संभावनाएँ प्रदान करता है जिनका आप आसानी से लाभ उठा सकते हैं।
अपने स्तर के अनुरूप सही Kaggle प्रतियोगिता कैसे ढूँढें? (शुरुआती से उन्नत कौशल तक)
Kaggle आपको शीर्षक या कीवर्ड के आधार पर प्रतियोगिताओं को फ़िल्टर करने देता है, जिससे आपके लिए अपनी रुचि वाली प्रतियोगिताएँ ढूँढना आसान हो जाता है। यह उतना ही सरल है: खोज बार में शीर्षक या कीवर्ड दर्ज करें।
चित्र 5.1: प्रतियोगिता खोज
आप प्रतियोगिता टैग के आधार पर भी फ़िल्टर कर सकते हैं।
चित्र 5.2: प्रतियोगिता फ़िल्टरिंग
शीर्षकों, कीवर्ड्स और टैग्स के अलावा, तीन और मुख्य फ़िल्टर हैं: “Status”, “Prizes and Awards”, और “Categories”。
Status:
- Monetary: इस टैग वाली प्रतियोगिताएँ आमतौर पर बड़ी, प्रसिद्ध कंपनियाँ साझा करती हैं। यदि आप इन प्रतियोगिताओं में रैंक करते हैं, तो आपको नकद पुरस्कार मिलेगा। न्यूनतम पुरस्कार $5,000 से $10,000 के बीच होते हैं। $50,000 से $100,000 तक के पुरस्कार सबसे आम हैं। सबसे बड़े पुरस्कार 1 मिलियन डॉलर तक जाते हैं।
- Medals: आपको प्रतियोगिता में हासिल स्कोर के आधार पर Kaggle मेडल मिलते हैं। इन मेडल्स से आपकी रैंकिंग बढ़ती है। Kaggle रैंकिंग का विस्तार से वर्णन अनुभाग 6 में है।
- Other: ये प्रतियोगिताएँ प्रतिभागियों को Kaggle मर्चेंडाइज़, जैसे टी-शर्ट्स या स्टिकर्स, से पुरस्कृत करती हैं।
Categories:
- Featured: ये प्रतियोगिताएँ आमतौर पर बड़ी कंपनियाँ, संगठन और यहाँ तक कि सरकारें भी प्रकाशित करती हैं। इनमें नकद पुरस्कार अन्य श्रेणियों की तुलना में कहीं बड़े होते हैं।
- Research: ये शोध-थीम वाली प्रतियोगिताएँ हैं। इनमें पुरस्कार राशि कम या न के बराबर होती है।
- Getting Started: इनमें कोई इनाम शामिल नहीं होता। ये सामान्यतः शैक्षिक उद्देश्यों के लिए बनाई गई प्रतियोगिताएँ होती हैं। इस खंड के अंत में आपको “Getting Started” टैग वाली एक नमूना प्रतियोगिता मिलेगी। इसमें आपको न केवल उदाहरण मिलेगा, बल्कि नोटबुक का उपयोग कैसे करें और परिणाम कैसे सबमिट करें जैसे अन्य प्रासंगिक चरणों पर एक ट्यूटोरियल भी मिलेगा।
- Playground: ये उन लोगों के लिए उपयुक्त प्रतियोगिताएँ हैं जो कुछ अनुभव प्राप्त करना चाहते हैं और अपने कौशल को निखारना जारी रखना चाहते हैं। पुरस्कार आमतौर पर Kaggle मर्चेंडाइज़ (जैसे टी-शर्ट्स और स्टिकर्स) होते हैं। ये प्रतियोगिताएँ अक्सर मज़ेदार और गेमिफ़ाइड होती हैं।
- InClass: ये प्रतियोगिताएँ आमतौर पर विश्वविद्यालय आयोजित करते हैं और प्रतिभागी उनके मशीन लर्निंग छात्र होते हैं। इनका उद्देश्य छात्रों को शामिल करना और प्रेरित करना है।
- Analytics: ये डेटा विश्लेषण प्रतियोगिताएँ हैं।
- Simulations: इन्हें Kaggle की पारंपरिक सुपरवाइज़्ड मशीन लर्निंग चुनौतियों से अलग बनाता है कि ये रिइनफोर्समेंट लर्निंग कार्यों वाली प्रतियोगिताएँ होती हैं। प्रतियोगी मॉडल विकसित करते हैं और अपने मॉडलों को एक सिम्युलेटेड वातावरण में प्रतिस्पर्धा करने देते हैं।
मुख्य फ़िल्टर्स के अलावा, कुछ अन्य विकल्प भी हैं जिनसे आप प्रतियोगिताओं को “Hotness”, “Recently Launched”, “Closing Soon”, “Reward” और “Total Teams” जैसे अतिरिक्त मानकों के आधार पर क्रमबद्ध कर सकते हैं।
चित्र 5.3: प्रतियोगिता सॉर्टिंग
Kaggle प्रतियोगिता टिप्स
1. एक प्रोग्रामिंग भाषा चुनें
डेटा साइंस के क्षेत्र में, खासकर विज़ुअलाइज़ेशन्स और मशीन लर्निंग कार्यों में, Python और R सबसे अधिक उपयोग की जाने वाली भाषाएँ हैं। यदि आप MATLAB के बारे में सोच रहे हैं, तो आप उसे अपने लोकल कंप्यूटर पर डेटा साइंस कार्यों के लिए उपयोग कर सकते हैं, लेकिन Kaggle नोटबुक्स केवल Python, R और Julia को सपोर्ट करती हैं।
यदि आप कोई अलग प्रोग्रामिंग भाषा उपयोग करते हैं, तो कुछ कार्य आपके लिए आसान हो सकते हैं, लेकिन किसी भाषा की ताकत उसके समुदाय और ओपन-सोर्स लाइब्रेरी सपोर्ट से आती है। यह भी ध्यान रखें कि (अधिक लोकप्रिय भाषाओं में से एक का उपयोग करने पर) जो भी लाइब्रेरी आप अपने लोकल कंप्यूटर पर इम्पोर्ट करते हैं, उन्हें आप Kaggle में भी इम्पोर्ट कर पाएँगे।
यदि आप शुरुआती हैं, तो Python या R बेहतरीन जगह हैं शुरू करने की—और इस क्षेत्र में विकसित होने तक इन्हीं पर टिके रहने की। ध्यान रखें कि Kaggle पर साझा की गई कई नोटबुक्स Python में लिखी होती हैं, और यदि आपको उनका अध्ययन करना है, तो भाषा जानने पर यह आसानी से हो सकेगा।
2. "Getting Started" टैग वाली प्रतियोगिताओं में भाग लें
Getting Started शुरुआती लोगों के लिए एकदम उपयुक्त है। यदि आप ये प्रतियोगिताएँ पूरी करते हैं और दूसरों द्वारा साझा की गई नोटबुक्स की समीक्षा करते हैं, तो आप बहुत कुछ और अपेक्षाकृत तेज़ी से सीखेंगे।
यहाँ आपके ज्ञान के अनुसार कुछ सुझावित Getting Started प्रतियोगिताएँ हैं:
3. सिर्फ Kaggle पर निर्भर न रहें
उपर्युक्त बुनियादी स्तर की किसी प्रतियोगिता को आज़माने के बाद, आपके पास थोड़ा अनुभव होगा और आपके लिए अलग प्लेटफ़ॉर्म्स पर प्रतियोगिताएँ ढूँढना अच्छा हो सकता है।
DataCamp पर, आप “Designing a promo strategy for a drinks company” जैसी डेटा साइंस प्रतियोगिताओं में भाग ले सकते हैं, जो आपसे कुछ शोध करने और अपनी क्षमता के भीतर अतिरिक्त प्रयास करने की अपेक्षा करेगी। इस प्रतियोगिता की खासियत यह है कि यह केवल मशीन लर्निंग पर केंद्रित नहीं है, बल्कि यह प्रतिभागियों को अपने विश्लेषण, स्टोरीटेलिंग और विज़ुअलाइज़ेशन कौशल में उल्लेखनीय सुधार करने की चुनौती भी देती है। इस प्रतियोगिता के लिए साझा की गई नोटबुक्स आप entries टैब में देख सकते हैं।
इस प्रतियोगिता में सफल होने की संभावना अधिकतम करने और इसका पूरा लाभ लेने के लिए, पहले निम्न पाठ्यक्रम पूरे करने की सिफारिश की जाती है:
4. सीखने पर ध्यान दें
Kaggle प्रतियोगिताओं में पुरस्कार राशि महत्वपूर्ण होती है। यह आपको सीखने के लक्ष्य से भटका सकती है। इनाम पर नहीं, बल्कि सीखने और सुधार पर प्राथमिकता दें। जब आपके पास पर्याप्त अनुभव हो जाएगा, तब शीर्ष स्थान तक पहुँचने के तरीकों के बारे में सोचने का समय भी होगा।
5. अन्य सार्वजनिक नोटबुक्स का अध्ययन करें
प्रतियोगिताओं में साझा की गई नोटबुक्स का अध्ययन करने से आपको एक ही समस्या को हल करने के अलग-अलग तरीके सीखने में मदद मिलेगी।
6. प्रतियोगिता के नियम पढ़ें
भाग लेने का निर्णय करने से पहले प्रतियोगिता की जानकारी और नियम पढ़ें, और शामिल होने से पहले सुनिश्चित करें कि आप उन्हें पूरी तरह समझते हैं।
7. अपने समाधान साझा करें
अपने समाधान साझा करने से अन्य डेटा वैज्ञानिकों के साथ आपका संवाद बढ़ेगा, और आपको उनसे फीडबैक मिलेगा। अपनी समाधानों पर चर्चा विषय खोलकर, आप तेज़ी से मेडल अर्जित करेंगे और अपनी Kaggle रैंकिंग जल्दी बढ़ा पाएँगे। Kaggle रैंकिंग पर अधिक जानकारी अनुभाग 6 में दी गई है।
8. DataCamp में यह पाठ्यक्रम करें
DataCamp का Winning a Kaggle Competition in Python पाठ्यक्रम आपको किसी भी डेटा साइंस प्रतियोगिता एंट्री को एप्रोच और स्ट्रक्चर करना सिखाएगा। इस पाठ्यक्रम को करने से आप प्रतियोगिताओं में उपयोग की जाने वाली सभी मूलभूत तकनीकें सीखेंगे, जैसे मशीन लर्निंग मॉडलों को वैलिडेट कैसे करें और ओवरफ़िटिंग से कैसे बचें।
Kaggle रैंकिंग्स क्या हैं?
Kaggle रैंकिंग सिस्टम एक लाइव लीडरबोर्ड है जो सभी स्तरों के डेटा वैज्ञानिकों को रैंक करता है, जो Kaggle पर अलग-अलग प्रकार के योगदान करते हैं—टिप्पणी करने से लेकर Kaggle प्रतियोगिताओं में भाग लेने तक।
मुख्य लीडरबोर्ड के अलावा, “Competition”, “Dataset”, “Notebook” और “Discussion” के लिए चार अन्य प्रकार की रैंकिंग्स हैं। आप अपने प्रोफ़ाइल में इन प्रत्येक श्रेणियों में अपना स्तर देख सकते हैं। जैसे-जैसे आप ऊपर दी गई श्रेणियों में मेडल जीतते हैं, आपकी रैंक और टियर बढ़ते हैं। याद रखें कि मेडल्स प्रतियोगिता रेटिंग्स और अपवोट्स के माध्यम से प्राप्त होते हैं।
Kaggle में पाँच प्रमुख टियर हैं: “Novice”, “Contributor”, “Expert”, “Master” और “Grandmaster”。 अभी के लिए, “Kaggle Grandmaster” टियर में केवल 241 डेटा वैज्ञानिक हैं, जो शीर्ष लीग है। यह बताता है कि इसका हिस्सा बनना कितना कठिन है। बाकी के लिए, फिलहाल 1,668 मास्टर्स, 7,206 एक्सपर्ट्स, 64,668 कंट्रिब्यूटर्स और 92,747 नोविसेज हैं। आपका टियर, ठीक वैसे ही जैसे आपके द्वारा अर्जित मेडल्स की संख्या, आपके करियर को आगे बढ़ाने में बहुत फायदेमंद सिद्ध होगी।
Kaggle मेडल्स
मेडल्स किसी श्रेणी में एकल उपलब्धि का प्रतिनिधित्व करते हैं। यह उपलब्धि एक बेहतरीन प्रतियोगिता परिणाम, लोकप्रिय नोटबुक, उपयोगी डेटासेट या सूझबूझ भरी टिप्पणी वगैरह हो सकती है। आपकी उपलब्धियों को मानकीकृत किया जाता है और अन्य डेटा वैज्ञानिकों के योगदानों की तुलना करके एक रैंकिंग सिस्टम बनाया जाता है।
प्रतियोगिता मेडल
प्रतियोगिता मेडल्स आपकी प्रतियोगिताओं में रैंकिंग द्वारा निर्धारित होते हैं। याद रखें कि आपको InClass, Playground और Getting Started श्रेणियों की प्रतियोगिताओं से मेडल नहीं मिलते।
0-99 टीमों वाली प्रतियोगिताओं में, शीर्ष 40% में होना आपको ब्रॉन्ज मेडल देगा। शीर्ष 20% में होने पर सिल्वर मेडल और शीर्ष 10% में होने पर गोल्ड मेडल मिलेगा। जैसे-जैसे टीमों की संख्या बढ़ती है, मेडल्स का वितरण भी बदलता है। उदाहरण के लिए, 1000 या अधिक टीमों वाली प्रतियोगिता में, शीर्ष 10% को ब्रॉन्ज मेडल, शीर्ष 5% को सिल्वर मेडल और शीर्ष 10 टीमों को गोल्ड मेडल दिया जाएगा।
डेटासेट मेडल
आप जितने अधिक लोकप्रिय डेटासेट साझा करेंगे, उतने अधिक अपवोट्स आपको दूसरों से मिलेंगे। आपके डेटासेट मेडल्स इन अपवोट्स की संख्या से निर्धारित होते हैं। 5-20 वोट वाले डेटासेट्स को ब्रॉन्ज मेडल, 20-50 वोट वाले डेटासेट्स को सिल्वर मेडल और 50 या उससे अधिक वोट वाले डेटासेट्स को गोल्ड मेडल दिया जाता है। नोविस-स्तर के उपयोगकर्ताओं द्वारा दिए गए वोट गणना में शामिल नहीं होते।
नोटबुक मेडल
नोटबुक मेडल्स के लिए वही नियम लागू होते हैं जो डेटासेट मेडल्स के लिए हैं। 5-20 वोट वाली नोटबुक्स को ब्रॉन्ज मेडल, 20-50 वोट वाली नोटबुक्स को सिल्वर मेडल और 50 या उससे अधिक वोट वाली नोटबुक्स को गोल्ड मेडल दिया जाता है। नोविस-स्तर के उपयोगकर्ताओं द्वारा दिए गए वोट गणना में शामिल नहीं होते।
चर्चा मेडल
चर्चा मेडल्स नेट वोट्स की गणना करके प्राप्त होते हैं, जो अपवोट्स में से डाउनवोट्स घटाकर मिलते हैं। आपकी पुरानी पोस्ट्स पर किए गए वोट्स और नोविस स्तर के वोट्स गणना में शामिल नहीं होते। ब्रॉन्ज मेडल के लिए एक नेट वोट पर्याप्त है। यदि आपको 5-10 नेट वोट्स मिलते हैं, तो आपको सिल्वर मेडल मिलेगा और 10 या अधिक नेट वोट्स पर गोल्ड मेडल मिलेगा।
परफॉर्मेंस टियर
आपको प्रत्येक रैंकिंग श्रेणी (“Competitions”, “Datasets”, “Notebooks” और “Discussions”) के लिए एक परफॉर्मेंस टियर आवंटित किया जाता है। आपकी सभी श्रेणियों में से जो सबसे उच्च टियर है, वही आपके प्रोफ़ाइल पर मुख्य टियर के रूप में प्रदर्शित होता है।
Novice
प्लेटफ़ॉर्म पर पंजीकरण करते ही आपको यह टियर स्वतः मिल जाता है।
Contributor
“Contributor” बनने की शर्तें निम्नलिखित हैं:
- एक नोटबुक या स्क्रिप्ट चलाएँ
- एक प्रतियोगिता या कार्य सबमिशन करें
- एक टिप्पणी करें
- एक अपवोट दें
Expert
“Expert” बनने के लिए, आपको प्रतियोगिताओं में कम से कम 2 ब्रॉन्ज मेडल; डेटासेट्स में कम से कम 3 ब्रॉन्ज मेडल; नोटबुक्स में कम से कम 5 ब्रॉन्ज मेडल; और चर्चाओं में कम से कम 50 ब्रॉन्ज मेडल जीतने होंगे।
Master
“Master” टियर तक पहुँचने के लिए, आपको प्रतियोगिताओं में कम से कम 1 गोल्ड और 2 सिल्वर मेडल; डेटासेट्स में कम से कम 1 गोल्ड और 4 सिल्वर मेडल; नोटबुक्स में कम से कम 10 सिल्वर मेडल; और चर्चाओं में कम से कम 200 मेडल, जिनमें से कम से कम 50 सिल्वर मेडल हों, जीतने होंगे।
Grandmaster
“Grandmaster” बनने के लिए, आपको प्रतियोगिताओं में कम से कम 5 गोल्ड मेडल जीतने होंगे, जिनमें से कम से कम 1 सोलो गोल्ड मेडल होना चाहिए; डेटासेट्स में कम से कम 5 गोल्ड और 5 सिल्वर मेडल; नोटबुक्स में कम से कम 15 गोल्ड मेडल; और चर्चाओं में कम से कम 500 मेडल, जिनमें से 50 गोल्ड मेडल होने चाहिए, जीतने होंगे।
Contributor से Expert बनने में कितना समय लगता है?
यह पूरी तरह इस पर निर्भर करता है कि आप Kaggle में कितनी लगन से योगदान करते हैं। औसतन, Contributor से Expert बनने में लगभग 1 वर्ष लगता है, जैसा कि इस विश्लेषण के अनुसार है। यह समय सीमा उस प्रयास के स्तर पर निर्भर करती है जो हर डेटा वैज्ञानिक Kaggle में निवेश करने को तैयार है। उदाहरण के लिए, यदि आप सीखने और सुधार में समय निवेश कर रहे हैं, तो Expert बैज पाने में अधिक समय लग सकता है, लेकिन यदि आप केवल जितनी जल्दी हो सके अधिक-से-अधिक मेडल हासिल करने की कोशिश कर रहे हैं, तो यह अवधि कम हो सकती है।
आमतौर पर, समय को वास्तविक प्रगति में लगाना बेहतर होता है, केवल मेडल कमाने में नहीं। अपने ज्ञान और कौशल में सुधार कर करियर में आगे बढ़ने के लिए, असली अनुभव मायने रखता है।
Kaggle रैंकिंग टिप्स
जैसा कि पहले कहा गया, आपका लक्ष्य Kaggle या DataCamp का उपयोग अपने नेटवर्क का विस्तार करने, अपने कौशल सुधारने और यथासंभव अधिक सीखने के लिए होना चाहिए।
फिर भी, मेडल कमाना भी क़ीमती है, और चूँकि मेडल अर्जित करने की शर्तें उच्च अपवोट संख्या पर भी निर्भर करती हैं, आपको मिलने वाले अपवोट्स की संख्या बढ़ाने पर विचार करना चाहिए। निम्न टिप्स आपकी मेडल गणना बढ़ाने में मदद करेंगे:
- अपवोट्स की माँग न करें। उपयोगी जानकारी देने के प्रयास से अपवोट्स स्वाभाविक रूप से आने चाहिए। असल में, लोगों से अपवोट माँगना उल्टा पड़ सकता है और संभवतः आपको डाउनवोट्स मिलेंगे।
- यदि आप लेखकों को क्रेडिट देते हैं, तो आपको अधिक अपवोट्स मिल सकते हैं। लेकिन इस जानकारी का चयनात्मक उपयोग करें और केवल तब जब इससे पोस्ट में वास्तविक मूल्य जुड़ता हो, ताकि स्पैमिंग का जोखिम न रहे।
- याद रखें: केवल अपनी कौशल-उन्नति पर ध्यान केंद्रित करें, मेडल अपने-आप मिलेंगे।
Kaggle टियर और मेडल्स आपकी वास्तविक उपलब्धियों के ठोस रूप हैं। जैसे-जैसे आप आगे बढ़ेंगे, अपनी उपलब्धियों को मूर्त रूप लेते देखना आपको सबसे अधिक प्रेरित करेगा।
निष्कर्ष
Kaggle या DataCamp की डेटा साइंस प्रतियोगिताओं में प्रतिस्पर्धा करना मज़ेदार है और आपकी डेटा साइंस यात्रा में प्रेरित रहने के साधनों में से एक है। हालाँकि कुछ असाधारण डेटा वैज्ञानिक ऐसे भी होते हैं जो अपनी आय मॉडल में प्रतियोगिताओं के पुरस्कारों को शामिल करते हैं, परंतु अधिकांश डेटा वैज्ञानिकों का उद्देश्य इन प्रतियोगिताओं से अधिक-से-अधिक सीखना और वास्तविक अनुभव हासिल करना होता है।
यहाँ सबसे सहायक तत्व प्रतियोगिता रैंकिंग बढ़ाने की महत्वाकांक्षा है। इस महत्वाकांक्षा के साथ, डेटा वैज्ञानिक दूसरों की नोटबुक्स देख सकते हैं और अलग-अलग कोड्स व रणनीतियों का अध्ययन कर सकते हैं। प्रतियोगिता के बाद आपके कोड पर मिलने वाले सुझावों को तो एक तरह की निःशुल्क मेंटरिंग की शैली भी माना जा सकता है।
किसी प्रतियोगिता के लिए डेटासेट का विश्लेषण कैसे करें, इस पर चरण-दर-चरण मार्गदर्शन के लिए हमारा Kaggle Competition Tutorial देखें।
विषय-सूची
Kaggle प्रतियोगिताएँ क्या हैं?
अब जब हम Kaggle की बुनियादी बातें जैसे नोटबुक्स और डेटासेट्स कवर कर चुके हैं, तो हम Kaggle प्रतियोगिताओं से जुड़े सबसे आम सवालों पर बात कर सकते हैं: इन्हें कौन आयोजित करता है? क्या मैं हिस्सा ले सकता/सकती हूँ? मुझे क्यों भाग लेना चाहिए?
आखिरी सवाल सबसे अहम है। Kaggle प्रतियोगिताएँ चुनौतीपूर्ण मशीन लर्निंग कार्यों पर आधारित होती हैं जिन्हें Kaggle स्वयं या अन्य बड़ी कंपनियाँ, संगठन और विश्वविद्यालय आयोजित करते हैं। इन प्रतियोगिताओं में उपयोगकर्ता प्लेटफ़ॉर्म पर अन्य डेटा वैज्ञानिकों से प्रतिस्पर्धा करते हैं ताकि वे प्रतियोगिता के दौरान बनाए गए मशीन लर्निंग मॉडलों से अधिक सटीक भविष्यवाणियाँ जमा कर सकें। सबमिशन के बाद, आपके मॉडल के प्रदर्शन को दर्शाने वाला एक स्कोर स्वतः गणना किया जाता है।
यह आम गलतफहमी है कि इन प्रतियोगिताओं में भाग लेने से पहले प्रायिकता और सांख्यिकी के पाठ्यक्रम करना या कुछ विशेष मशीन लर्निंग लाइब्रेरी की गहरी समझ होना अनिवार्य है। सच यह है कि आप अपने स्तर की परवाह किए बिना Kaggle प्रतियोगिताओं में भाग ले सकते हैं—और आपको लेना चाहिए। प्रतियोगिताएँ केवल विशेषज्ञों तक सीमित नहीं हैं; हर कोई उनसे मूल्यवान अनुभव प्राप्त कर सकता है और इन्हें डेटा साइंस पोर्टफ़ोलियो बनाने के लिए भी उपयोग कर सकता है।
Kaggle प्रतियोगिताओं में भाग लेना कितना लाभदायक है?
Kaggle या DataCamp प्रतियोगिताओं में भाग लेना निश्चित रूप से लाभदायक है। आपकी विशेषज्ञता के स्तर की परवाह किए बिना, ऊपर सूचीबद्ध फ़ायदों में से कम-से-कम एक तो आपके लिए प्रासंगिक होगा ही। डेटा साइंस प्रतियोगिताओं की व्यापक विविधता मौजूद है और नई प्रतियोगिताएँ नियमित रूप से प्रकाशित होती रहती हैं। अभी यदि आपकी रुचि न भी हो, तो भी प्रकाशित प्रतियोगिताओं पर नज़र रखना उचित है—संभावना है कि भविष्य में कोई-न-कोई आपके लिए प्रासंगिक हो जाए।
डेटा साइंस प्रतियोगिता में आपको कब भाग लेना चाहिए?
किसी प्रतियोगिता में प्रवेश करने से पहले, निम्न तीन मानदंडों को ध्यान में रखें:
कुछ डेटा वैज्ञानिक महज़ नेटवर्क बढ़ाने और अभ्यास के लिए किसी भी प्रतियोगिता में भाग लेकर खुश रहते हैं। हालांकि, अधिकांश लोगों को यह तय करने के लिए ऊपर के मानदंडों का मूल्यांकन करना पड़ता है कि कोई प्रतियोगिता सार्थक है या नहीं। आपको भी अपने मानदंड खोजने होंगे और प्रतियोगिता में शामिल होने से पहले उन्हें तौलना होगा—यह याद रखते हुए कि जितनी अधिक प्रतियोगिताओं में आप भाग लेंगे, Kaggle से उतने अधिक लाभ और सीखने के अनुभव मिलेंगे।
Datacamp प्रतियोगिताएँ क्या हैं?
DataCamp Competitions और Kaggle प्रतियोगिताओं में कई समानताएँ हैं। जैसे Kaggle पर, वैसे ही DataCamp में भी आपको सार्वजनिक रूप से साझा की गई नोटबुक्स देखने का मौका मिलता है, और DataCamp प्रतियोगिताओं में भी पुरस्कार होते हैं। यदि आप प्रतियोगिताओं में रैंक करते हैं, तो आपको 1-वर्ष की प्रीमियम DataCamp सदस्यता मिलती है और आप नकद पुरस्कार भी जीत सकते हैं। DataCamp पर Kaggle जैसा ही वातावरण है जिसमें सभी स्तरों के डेटा वैज्ञानिक चर्चा पृष्ठों के माध्यम से एक साथ आ सकते हैं।
फिर भी, Kaggle और Datacamp प्रतियोगिताओं में कुछ महत्वपूर्ण अंतर हैं। एक ओर, Kaggle प्रतियोगिताएँ मशीन लर्निंग पर अधिक केंद्रित होती हैं, जबकि DataCamp व्यापक संदर्भ में आपकी विश्लेषणात्मक, स्टोरीटेलिंग और विज़ुअलाइज़ेशन कौशल की परीक्षा पर ध्यान देता है। दूसरी ओर, DataCamp एक उभरता हुआ प्लेटफ़ॉर्म है जहाँ प्रतिभागियों की संख्या अपेक्षाकृत कम है, इसलिए वहाँ जीतने की संभावना अधिक होती है।
किसी भी स्थिति में, केवल जीतने के इरादे से प्रतियोगिताओं में भाग नहीं लेना चाहिए। यदि आप प्रगति पर ध्यान केंद्रित करते हैं, तो आपको उनसे कहीं अधिक लाभ मिलेगा, और इस संदर्भ में DataCamp भी सुधार के लिए बेहतरीन संभावनाएँ प्रदान करता है जिनका आप आसानी से लाभ उठा सकते हैं।
अपने स्तर के अनुरूप सही Kaggle प्रतियोगिता कैसे ढूँढें? (शुरुआती से उन्नत कौशल तक)
Kaggle आपको शीर्षक या कीवर्ड के आधार पर प्रतियोगिताओं को फ़िल्टर करने देता है, जिससे आपके लिए अपनी रुचि वाली प्रतियोगिताएँ ढूँढना आसान हो जाता है। यह उतना ही सरल है: खोज बार में शीर्षक या कीवर्ड दर्ज करें।
चित्र 5.1: प्रतियोगिता खोज
आप प्रतियोगिता टैग के आधार पर भी फ़िल्टर कर सकते हैं।
चित्र 5.2: प्रतियोगिता फ़िल्टरिंग
शीर्षकों, कीवर्ड्स और टैग्स के अलावा, तीन और मुख्य फ़िल्टर हैं: “Status”, “Prizes and Awards”, और “Categories”。
Status:
Categories:
मुख्य फ़िल्टर्स के अलावा, कुछ अन्य विकल्प भी हैं जिनसे आप प्रतियोगिताओं को “Hotness”, “Recently Launched”, “Closing Soon”, “Reward” और “Total Teams” जैसे अतिरिक्त मानकों के आधार पर क्रमबद्ध कर सकते हैं।
चित्र 5.3: प्रतियोगिता सॉर्टिंग
Kaggle प्रतियोगिता टिप्स
1. एक प्रोग्रामिंग भाषा चुनें
डेटा साइंस के क्षेत्र में, खासकर विज़ुअलाइज़ेशन्स और मशीन लर्निंग कार्यों में, Python और R सबसे अधिक उपयोग की जाने वाली भाषाएँ हैं। यदि आप MATLAB के बारे में सोच रहे हैं, तो आप उसे अपने लोकल कंप्यूटर पर डेटा साइंस कार्यों के लिए उपयोग कर सकते हैं, लेकिन Kaggle नोटबुक्स केवल Python, R और Julia को सपोर्ट करती हैं।
यदि आप कोई अलग प्रोग्रामिंग भाषा उपयोग करते हैं, तो कुछ कार्य आपके लिए आसान हो सकते हैं, लेकिन किसी भाषा की ताकत उसके समुदाय और ओपन-सोर्स लाइब्रेरी सपोर्ट से आती है। यह भी ध्यान रखें कि (अधिक लोकप्रिय भाषाओं में से एक का उपयोग करने पर) जो भी लाइब्रेरी आप अपने लोकल कंप्यूटर पर इम्पोर्ट करते हैं, उन्हें आप Kaggle में भी इम्पोर्ट कर पाएँगे।
यदि आप शुरुआती हैं, तो Python या R बेहतरीन जगह हैं शुरू करने की—और इस क्षेत्र में विकसित होने तक इन्हीं पर टिके रहने की। ध्यान रखें कि Kaggle पर साझा की गई कई नोटबुक्स Python में लिखी होती हैं, और यदि आपको उनका अध्ययन करना है, तो भाषा जानने पर यह आसानी से हो सकेगा।
2. "Getting Started" टैग वाली प्रतियोगिताओं में भाग लें
Getting Started शुरुआती लोगों के लिए एकदम उपयुक्त है। यदि आप ये प्रतियोगिताएँ पूरी करते हैं और दूसरों द्वारा साझा की गई नोटबुक्स की समीक्षा करते हैं, तो आप बहुत कुछ और अपेक्षाकृत तेज़ी से सीखेंगे।
यहाँ आपके ज्ञान के अनुसार कुछ सुझावित Getting Started प्रतियोगिताएँ हैं:
3. सिर्फ Kaggle पर निर्भर न रहें
उपर्युक्त बुनियादी स्तर की किसी प्रतियोगिता को आज़माने के बाद, आपके पास थोड़ा अनुभव होगा और आपके लिए अलग प्लेटफ़ॉर्म्स पर प्रतियोगिताएँ ढूँढना अच्छा हो सकता है।
DataCamp पर, आप “Designing a promo strategy for a drinks company” जैसी डेटा साइंस प्रतियोगिताओं में भाग ले सकते हैं, जो आपसे कुछ शोध करने और अपनी क्षमता के भीतर अतिरिक्त प्रयास करने की अपेक्षा करेगी। इस प्रतियोगिता की खासियत यह है कि यह केवल मशीन लर्निंग पर केंद्रित नहीं है, बल्कि यह प्रतिभागियों को अपने विश्लेषण, स्टोरीटेलिंग और विज़ुअलाइज़ेशन कौशल में उल्लेखनीय सुधार करने की चुनौती भी देती है। इस प्रतियोगिता के लिए साझा की गई नोटबुक्स आप entries टैब में देख सकते हैं।
इस प्रतियोगिता में सफल होने की संभावना अधिकतम करने और इसका पूरा लाभ लेने के लिए, पहले निम्न पाठ्यक्रम पूरे करने की सिफारिश की जाती है:
4. सीखने पर ध्यान दें
Kaggle प्रतियोगिताओं में पुरस्कार राशि महत्वपूर्ण होती है। यह आपको सीखने के लक्ष्य से भटका सकती है। इनाम पर नहीं, बल्कि सीखने और सुधार पर प्राथमिकता दें। जब आपके पास पर्याप्त अनुभव हो जाएगा, तब शीर्ष स्थान तक पहुँचने के तरीकों के बारे में सोचने का समय भी होगा।
5. अन्य सार्वजनिक नोटबुक्स का अध्ययन करें
प्रतियोगिताओं में साझा की गई नोटबुक्स का अध्ययन करने से आपको एक ही समस्या को हल करने के अलग-अलग तरीके सीखने में मदद मिलेगी।
6. प्रतियोगिता के नियम पढ़ें
भाग लेने का निर्णय करने से पहले प्रतियोगिता की जानकारी और नियम पढ़ें, और शामिल होने से पहले सुनिश्चित करें कि आप उन्हें पूरी तरह समझते हैं।
7. अपने समाधान साझा करें
अपने समाधान साझा करने से अन्य डेटा वैज्ञानिकों के साथ आपका संवाद बढ़ेगा, और आपको उनसे फीडबैक मिलेगा। अपनी समाधानों पर चर्चा विषय खोलकर, आप तेज़ी से मेडल अर्जित करेंगे और अपनी Kaggle रैंकिंग जल्दी बढ़ा पाएँगे। Kaggle रैंकिंग पर अधिक जानकारी अनुभाग 6 में दी गई है।
8. DataCamp में यह पाठ्यक्रम करें
DataCamp का Winning a Kaggle Competition in Python पाठ्यक्रम आपको किसी भी डेटा साइंस प्रतियोगिता एंट्री को एप्रोच और स्ट्रक्चर करना सिखाएगा। इस पाठ्यक्रम को करने से आप प्रतियोगिताओं में उपयोग की जाने वाली सभी मूलभूत तकनीकें सीखेंगे, जैसे मशीन लर्निंग मॉडलों को वैलिडेट कैसे करें और ओवरफ़िटिंग से कैसे बचें।
Kaggle रैंकिंग्स क्या हैं?
Kaggle रैंकिंग सिस्टम एक लाइव लीडरबोर्ड है जो सभी स्तरों के डेटा वैज्ञानिकों को रैंक करता है, जो Kaggle पर अलग-अलग प्रकार के योगदान करते हैं—टिप्पणी करने से लेकर Kaggle प्रतियोगिताओं में भाग लेने तक।
मुख्य लीडरबोर्ड के अलावा, “Competition”, “Dataset”, “Notebook” और “Discussion” के लिए चार अन्य प्रकार की रैंकिंग्स हैं। आप अपने प्रोफ़ाइल में इन प्रत्येक श्रेणियों में अपना स्तर देख सकते हैं। जैसे-जैसे आप ऊपर दी गई श्रेणियों में मेडल जीतते हैं, आपकी रैंक और टियर बढ़ते हैं। याद रखें कि मेडल्स प्रतियोगिता रेटिंग्स और अपवोट्स के माध्यम से प्राप्त होते हैं।
Kaggle में पाँच प्रमुख टियर हैं: “Novice”, “Contributor”, “Expert”, “Master” और “Grandmaster”。 अभी के लिए, “Kaggle Grandmaster” टियर में केवल 241 डेटा वैज्ञानिक हैं, जो शीर्ष लीग है। यह बताता है कि इसका हिस्सा बनना कितना कठिन है। बाकी के लिए, फिलहाल 1,668 मास्टर्स, 7,206 एक्सपर्ट्स, 64,668 कंट्रिब्यूटर्स और 92,747 नोविसेज हैं। आपका टियर, ठीक वैसे ही जैसे आपके द्वारा अर्जित मेडल्स की संख्या, आपके करियर को आगे बढ़ाने में बहुत फायदेमंद सिद्ध होगी।
Kaggle मेडल्स
मेडल्स किसी श्रेणी में एकल उपलब्धि का प्रतिनिधित्व करते हैं। यह उपलब्धि एक बेहतरीन प्रतियोगिता परिणाम, लोकप्रिय नोटबुक, उपयोगी डेटासेट या सूझबूझ भरी टिप्पणी वगैरह हो सकती है। आपकी उपलब्धियों को मानकीकृत किया जाता है और अन्य डेटा वैज्ञानिकों के योगदानों की तुलना करके एक रैंकिंग सिस्टम बनाया जाता है।
प्रतियोगिता मेडल
प्रतियोगिता मेडल्स आपकी प्रतियोगिताओं में रैंकिंग द्वारा निर्धारित होते हैं। याद रखें कि आपको InClass, Playground और Getting Started श्रेणियों की प्रतियोगिताओं से मेडल नहीं मिलते।
0-99 टीमों वाली प्रतियोगिताओं में, शीर्ष 40% में होना आपको ब्रॉन्ज मेडल देगा। शीर्ष 20% में होने पर सिल्वर मेडल और शीर्ष 10% में होने पर गोल्ड मेडल मिलेगा। जैसे-जैसे टीमों की संख्या बढ़ती है, मेडल्स का वितरण भी बदलता है। उदाहरण के लिए, 1000 या अधिक टीमों वाली प्रतियोगिता में, शीर्ष 10% को ब्रॉन्ज मेडल, शीर्ष 5% को सिल्वर मेडल और शीर्ष 10 टीमों को गोल्ड मेडल दिया जाएगा।
डेटासेट मेडल
आप जितने अधिक लोकप्रिय डेटासेट साझा करेंगे, उतने अधिक अपवोट्स आपको दूसरों से मिलेंगे। आपके डेटासेट मेडल्स इन अपवोट्स की संख्या से निर्धारित होते हैं। 5-20 वोट वाले डेटासेट्स को ब्रॉन्ज मेडल, 20-50 वोट वाले डेटासेट्स को सिल्वर मेडल और 50 या उससे अधिक वोट वाले डेटासेट्स को गोल्ड मेडल दिया जाता है। नोविस-स्तर के उपयोगकर्ताओं द्वारा दिए गए वोट गणना में शामिल नहीं होते।
नोटबुक मेडल
नोटबुक मेडल्स के लिए वही नियम लागू होते हैं जो डेटासेट मेडल्स के लिए हैं। 5-20 वोट वाली नोटबुक्स को ब्रॉन्ज मेडल, 20-50 वोट वाली नोटबुक्स को सिल्वर मेडल और 50 या उससे अधिक वोट वाली नोटबुक्स को गोल्ड मेडल दिया जाता है। नोविस-स्तर के उपयोगकर्ताओं द्वारा दिए गए वोट गणना में शामिल नहीं होते।
चर्चा मेडल
चर्चा मेडल्स नेट वोट्स की गणना करके प्राप्त होते हैं, जो अपवोट्स में से डाउनवोट्स घटाकर मिलते हैं। आपकी पुरानी पोस्ट्स पर किए गए वोट्स और नोविस स्तर के वोट्स गणना में शामिल नहीं होते। ब्रॉन्ज मेडल के लिए एक नेट वोट पर्याप्त है। यदि आपको 5-10 नेट वोट्स मिलते हैं, तो आपको सिल्वर मेडल मिलेगा और 10 या अधिक नेट वोट्स पर गोल्ड मेडल मिलेगा।
परफॉर्मेंस टियर
आपको प्रत्येक रैंकिंग श्रेणी (“Competitions”, “Datasets”, “Notebooks” और “Discussions”) के लिए एक परफॉर्मेंस टियर आवंटित किया जाता है। आपकी सभी श्रेणियों में से जो सबसे उच्च टियर है, वही आपके प्रोफ़ाइल पर मुख्य टियर के रूप में प्रदर्शित होता है।
Novice
प्लेटफ़ॉर्म पर पंजीकरण करते ही आपको यह टियर स्वतः मिल जाता है।
Contributor
“Contributor” बनने की शर्तें निम्नलिखित हैं:
Expert
“Expert” बनने के लिए, आपको प्रतियोगिताओं में कम से कम 2 ब्रॉन्ज मेडल; डेटासेट्स में कम से कम 3 ब्रॉन्ज मेडल; नोटबुक्स में कम से कम 5 ब्रॉन्ज मेडल; और चर्चाओं में कम से कम 50 ब्रॉन्ज मेडल जीतने होंगे।
Master
“Master” टियर तक पहुँचने के लिए, आपको प्रतियोगिताओं में कम से कम 1 गोल्ड और 2 सिल्वर मेडल; डेटासेट्स में कम से कम 1 गोल्ड और 4 सिल्वर मेडल; नोटबुक्स में कम से कम 10 सिल्वर मेडल; और चर्चाओं में कम से कम 200 मेडल, जिनमें से कम से कम 50 सिल्वर मेडल हों, जीतने होंगे।
Grandmaster
“Grandmaster” बनने के लिए, आपको प्रतियोगिताओं में कम से कम 5 गोल्ड मेडल जीतने होंगे, जिनमें से कम से कम 1 सोलो गोल्ड मेडल होना चाहिए; डेटासेट्स में कम से कम 5 गोल्ड और 5 सिल्वर मेडल; नोटबुक्स में कम से कम 15 गोल्ड मेडल; और चर्चाओं में कम से कम 500 मेडल, जिनमें से 50 गोल्ड मेडल होने चाहिए, जीतने होंगे।
Contributor से Expert बनने में कितना समय लगता है?
यह पूरी तरह इस पर निर्भर करता है कि आप Kaggle में कितनी लगन से योगदान करते हैं। औसतन, Contributor से Expert बनने में लगभग 1 वर्ष लगता है, जैसा कि इस विश्लेषण के अनुसार है। यह समय सीमा उस प्रयास के स्तर पर निर्भर करती है जो हर डेटा वैज्ञानिक Kaggle में निवेश करने को तैयार है। उदाहरण के लिए, यदि आप सीखने और सुधार में समय निवेश कर रहे हैं, तो Expert बैज पाने में अधिक समय लग सकता है, लेकिन यदि आप केवल जितनी जल्दी हो सके अधिक-से-अधिक मेडल हासिल करने की कोशिश कर रहे हैं, तो यह अवधि कम हो सकती है।
आमतौर पर, समय को वास्तविक प्रगति में लगाना बेहतर होता है, केवल मेडल कमाने में नहीं। अपने ज्ञान और कौशल में सुधार कर करियर में आगे बढ़ने के लिए, असली अनुभव मायने रखता है।
Kaggle रैंकिंग टिप्स
जैसा कि पहले कहा गया, आपका लक्ष्य Kaggle या DataCamp का उपयोग अपने नेटवर्क का विस्तार करने, अपने कौशल सुधारने और यथासंभव अधिक सीखने के लिए होना चाहिए।
फिर भी, मेडल कमाना भी क़ीमती है, और चूँकि मेडल अर्जित करने की शर्तें उच्च अपवोट संख्या पर भी निर्भर करती हैं, आपको मिलने वाले अपवोट्स की संख्या बढ़ाने पर विचार करना चाहिए। निम्न टिप्स आपकी मेडल गणना बढ़ाने में मदद करेंगे:
Kaggle टियर और मेडल्स आपकी वास्तविक उपलब्धियों के ठोस रूप हैं। जैसे-जैसे आप आगे बढ़ेंगे, अपनी उपलब्धियों को मूर्त रूप लेते देखना आपको सबसे अधिक प्रेरित करेगा।
निष्कर्ष
Kaggle या DataCamp की डेटा साइंस प्रतियोगिताओं में प्रतिस्पर्धा करना मज़ेदार है और आपकी डेटा साइंस यात्रा में प्रेरित रहने के साधनों में से एक है। हालाँकि कुछ असाधारण डेटा वैज्ञानिक ऐसे भी होते हैं जो अपनी आय मॉडल में प्रतियोगिताओं के पुरस्कारों को शामिल करते हैं, परंतु अधिकांश डेटा वैज्ञानिकों का उद्देश्य इन प्रतियोगिताओं से अधिक-से-अधिक सीखना और वास्तविक अनुभव हासिल करना होता है।
यहाँ सबसे सहायक तत्व प्रतियोगिता रैंकिंग बढ़ाने की महत्वाकांक्षा है। इस महत्वाकांक्षा के साथ, डेटा वैज्ञानिक दूसरों की नोटबुक्स देख सकते हैं और अलग-अलग कोड्स व रणनीतियों का अध्ययन कर सकते हैं। प्रतियोगिता के बाद आपके कोड पर मिलने वाले सुझावों को तो एक तरह की निःशुल्क मेंटरिंग की शैली भी माना जा सकता है।
किसी प्रतियोगिता के लिए डेटासेट का विश्लेषण कैसे करें, इस पर चरण-दर-चरण मार्गदर्शन के लिए हमारा Kaggle Competition Tutorial देखें।