Kompetisi Kaggle: Panduan Lengkap

Daftar Isi

• Apa itu Kompetisi Kaggle?
• Apakah Berpartisipasi dalam Kompetisi Kaggle Layak?
• Kapan Sebaiknya Anda Mengikuti Kompetisi Data Science?
• Apa itu Kompetisi DataCamp?
• Bagaimana Cara Menemukan Kompetisi Kaggle yang Tepat untuk Tingkat Anda? (Dari Pemula hingga Tingkat Lanjut)
• Tips Kompetisi Kaggle
  • Pilih bahasa pemrograman
  • Ikuti kompetisi dengan tag "Getting Started"
  • Jangan hanya mengandalkan Kaggle
  • Fokus pada pembelajaran
  • Pelajari notebook publik lain
  • Baca aturan kompetisi
  • Bagikan solusi Anda
  • Ikuti kursus ini di DataCamp

• Apa itu Peringkat Kaggle?
  • Medali Kaggle
    • Medali Kompetisi
    • Medali Dataset
    • Medali Notebook
    • Medali Diskusi
  • Tingkat Performa
    • Novice
    • Contributor
    • Expert
    • Master
    • Grandmaster
  • Berapa Lama Waktu yang Diperlukan untuk Berpindah dari Contributor ke Expert?
• Tips Peringkat Kaggle
• Kesimpulan

Apa itu Kompetisi Kaggle?  

Sekarang setelah kita membahas dasar-dasar Kaggle seperti notebook dan dataset, kita dapat menyinggung pertanyaan yang paling sering diajukan tentang kompetisi Kaggle: Siapa penyelenggaranya? Bisakah saya ikut serta? Mengapa saya harus ikut serta? 

Pertanyaan terakhir itulah kuncinya. Kompetisi Kaggle didasarkan pada tugas machine learning yang menantang yang diselenggarakan oleh Kaggle sendiri atau perusahaan, organisasi, dan universitas besar lainnya. Dalam kompetisi ini, para pengguna bersaing dengan data scientist lain di platform untuk mengirimkan prediksi yang lebih akurat yang dihasilkan oleh model machine learning yang mereka bangun selama kompetisi. Setelah pengiriman, skor yang mencerminkan seberapa baik model mereka bekerja dihitung secara otomatis.

Ada kesalahpahaman umum bahwa perlu mengambil kursus peluang dan statistik atau memiliki pemahaman mendalam tentang pustaka machine learning tertentu sebelum mengikuti kompetisi ini. Faktanya, Anda bisa, dan justru sebaiknya, berpartisipasi dalam Kompetisi Kaggle apa pun tingkat Anda. Kompetisi tidak eksklusif untuk para ahli, dan semua orang dapat memperoleh pengalaman berharga darinya bahkan memanfaatkannya untuk membangun portofolio data science.

Apakah Berpartisipasi dalam Kompetisi Kaggle Layak?

• Tidak peduli seberapa berpengalaman Anda di data science, Anda dapat meningkatkan keterampilan dengan mengikuti kompetisi di bidang yang terus tumbuh dan berkembang ini. Kompetisi data science ini akan menantang Anda sesuai kemampuan Anda. Semakin banyak waktu dan upaya yang Anda curahkan untuk kompetisi data science di Kaggle atau DataCamp, semakin cepat Anda akan nyaman dengan pustaka dan bahasa pemrograman yang Anda gunakan.
• Anda akan mendapatkan peringkat di antara data scientist dari semua level di seluruh dunia.
• Anda akan berkesempatan meninjau solusi pemenang, dan mengakses berbagai pendekatan untuk masalah yang sama. Ini akan memudahkan Anda menganalisis tugas-tugas menantang dari berbagai perspektif.
• Anda akan disediakan dataset berkualitas tinggi. Ini membantu Anda fokus sepenuhnya pada solusi karena Anda tidak perlu memikirkan pembersihan data, mengumpulkan data terkait, atau membuat dataset yang konsisten dan tertag dengan baik sendiri.
• Anda berkesempatan mengikuti diskusi teknis dengan para pemenang kompetisi dan data scientist tingkat atas lainnya. Ini akan membantu memperluas jaringan Anda.
• Mengerjakan masalah nyata akan memotivasi Anda dan memberi wawasan tentang pekerjaan dan tanggung jawab sehari-hari seorang data scientist.
• Ada insentif finansial yang jelas.

Berpartisipasi dalam kompetisi di Kaggle atau DataCamp jelas layak. Terlepas dari tingkat keahlian Anda, Anda pasti akan menemukan setidaknya satu dari manfaat yang tercantum relevan bagi Anda. Ada beragam kompetisi data science, dan kompetisi baru dipublikasikan secara rutin. Bahkan jika saat ini Anda belum tertarik, disarankan untuk mengikuti kompetisi yang dipublikasikan karena setidaknya satu kemungkinan akan relevan bagi Anda di masa depan.

Kapan Sebaiknya Anda Mengikuti Kompetisi Data Science?

Sebelum mengikuti kompetisi, pertimbangkan tiga kriteria berikut:

1. Apakah jumlah waktu dan pekerjaan yang dihabiskan untuk kompetisi ini sebanding dengan peningkatan yang bisa Anda dapatkan?
2. Apa insentif finansial di balik kemenangan, dan apakah itu sepadan dengan waktu Anda?
3. Apakah pekerjaan, riset, dan kontribusi dalam kompetisi akan memuaskan Anda sebagai profesional data?

Beberapa data scientist umumnya senang ikut kompetisi apa saja untuk memperluas jaringan dan berlatih. Namun, kebanyakan orang perlu mengevaluasi kriteria di atas untuk memutuskan apakah suatu kompetisi layak diikuti atau tidak. Anda juga perlu menemukan kriteria Anda sendiri dan mempertimbangkannya sebelum bergabung, dengan selalu mengingat bahwa semakin banyak kompetisi yang Anda ikuti, semakin banyak manfaat dan pengalaman belajar yang bisa Anda peroleh dari Kaggle.

Apa itu Kompetisi DataCamp?

Kompetisi DataCamp dan Kompetisi Kaggle memiliki banyak kesamaan. Seperti di Kaggle, di DataCamp Anda dapat menelaah notebook yang dibagikan secara publik, dan kompetisi DataCamp juga menyediakan hadiah. Jika Anda masuk peringkat dalam kompetisi, Anda memenangkan langganan DataCamp premium 1 tahun dan juga bisa mendapatkan hadiah uang tunai. DataCamp juga memiliki lingkungan yang sangat mirip dengan Kaggle di mana Anda dapat bertemu dengan data scientist dari semua level melalui halaman diskusi.

Namun, ada beberapa perbedaan penting antara Kaggle dan kompetisi DataCamp. Di satu sisi, kompetisi Kaggle lebih berfokus pada machine learning, sementara DataCamp berfokus pada pengujian kemampuan analitik, penceritaan, dan visualisasi Anda dalam konteks yang lebih luas. Di sisi lain, peluang Anda untuk menang di kompetisi DataCamp lebih besar karena ini adalah platform yang sedang berkembang dengan jumlah peserta yang relatif lebih sedikit.

Bagaimanapun, Anda sebaiknya tidak mengikuti kompetisi hanya dengan niat untuk menang. Anda akan mendapatkan jauh lebih banyak jika fokus pada kemajuan, dan dalam hal ini, DataCamp juga menawarkan peluang peningkatan yang sangat baik yang mudah Anda manfaatkan.

Bagaimana Cara Menemukan Kompetisi Kaggle yang Tepat untuk Tingkat Anda? (Dari Pemula hingga Tingkat Lanjut)

Kaggle memungkinkan Anda memfilter kompetisi berdasarkan judul atau menggunakan kata kunci, sehingga mudah bagi Anda menemukan yang paling menarik. Caranya cukup dengan memasukkan judul atau kata kunci di bilah pencarian.


Gambar 5.1: Pencarian Kompetisi

Anda juga dapat memfilter berdasarkan tag kompetisi.

Gambar 5.2: Penyaringan Kompetisi

Selain judul, kata kunci, dan tag, ada tiga filter utama lainnya: "Status", "Hadiah dan Penghargaan", dan "Kategori".

Status:

• Monetary: Kontes dengan tag ini biasanya dibagikan oleh perusahaan besar yang terkenal. Jika Anda berperingkat dalam kompetisi ini, Anda akan memenangkan hadiah uang tunai. Hadiah terendah berkisar antara $5.000 hingga $10.000. Kompetisi dengan hadiah antara $50.000 hingga $100.000 adalah yang paling umum. Hadiah terbesar mencapai 1 juta dolar.
• Medals: Anda mendapatkan medali Kaggle sebagai penghargaan, tergantung pada skor yang Anda capai dalam kompetisi. Dengan medali ini, peringkat Anda meningkat. Peringkat Kaggle dijelaskan secara rinci di bagian 6.
• Other: Kompetisi ini memberi hadiah berupa merchandise Kaggle, seperti kaus atau stiker.

Kategori:

• Featured: Kompetisi ini biasanya dipublikasikan oleh perusahaan besar, organisasi bahkan pemerintah. Hadiah uangnya jauh lebih besar dibanding kategori lain.
• Research: Ini adalah kompetisi bertema riset. Hadiah uangnya sedikit atau tidak ada.
• Getting Started: Tidak menyertakan hadiah. Umumnya dibuat untuk tujuan edukasi. Di akhir bagian ini, Anda akan menemukan contoh kompetisi dengan tag "Getting Started". Anda akan melihat tidak hanya contohnya, tetapi juga tutorial cara menggunakan notebook dan cara mengirim hasil, serta langkah relevan lainnya.
• Playground: Ini adalah kompetisi yang cocok bagi mereka yang ingin mendapatkan pengalaman dan terus meningkatkan keterampilan. Hadiahnya biasanya merchandise Kaggle (seperti kaus dan stiker). Kompetisi ini sering kali menyenangkan dan digamifikasi.
• InClass: Ini adalah kompetisi yang biasanya diselenggarakan oleh universitas dan pesertanya adalah mahasiswa machine learning mereka. Tujuannya untuk mendorong dan menginspirasi mahasiswa tersebut.
• Analytics: Ini adalah kompetisi analisis data.
• Simulations: Yang membedakan ini dari tantangan machine learning terawasi tradisional di Kaggle adalah jenis kompetisi dengan tugas reinforcement learning. Peserta mengembangkan model dan membiarkan model mereka bersaing dalam lingkungan simulasi.

Selain filter utama, ada juga filter lain yang memungkinkan Anda mengurutkan kompetisi berdasarkan parameter tambahan, seperti "Hotness", "Recently Launched", "Closing Soon", "Reward", dan "Total Teams".

Gambar 5.3: Pengurutan Kompetisi

Tips Kompetisi Kaggle

1. Pilih bahasa pemrograman

Python dan R adalah bahasa pemrograman yang paling sering digunakan di bidang data science, terutama untuk visualisasi dan tugas machine learning. Jika Anda bertanya tentang MATLAB, Anda dapat menggunakannya untuk tugas data science di komputer lokal, tetapi notebook Kaggle hanya mendukung Python, R, dan Julia. 

Jika Anda menggunakan bahasa pemrograman lain, mungkin ada beberapa tugas yang lebih mudah Anda lakukan, tetapi yang membuat suatu bahasa pemrograman kuat adalah komunitas dan dukungan pustaka open-source di baliknya. Perlu dipertimbangkan bahwa (dengan menggunakan salah satu bahasa yang lebih populer) pustaka apa pun yang Anda impor ke komputer lokal, juga akan dapat Anda impor ke Kaggle.

Jika Anda pemula, Python atau R adalah tempat yang sangat baik untuk memulai dan tetap digunakan sampai Anda berkembang di bidang ini. Ingat bahwa banyak notebook yang dibagikan di Kaggle ditulis dalam Python dan jika Anda perlu mempelajarinya, Anda akan bisa melakukannya dengan nyaman jika Anda menguasai bahasanya.

2. Ikuti kompetisi dengan tag "Getting Started"

Getting Started sangat cocok untuk pemula. Jika Anda menyelesaikan kompetisi ini dan meninjau notebook yang dibagikan orang lain, Anda akan belajar banyak, dan relatif cepat.

Berikut beberapa kompetisi Getting Started yang kami rekomendasikan tergantung pengetahuan Anda:

• Jika Anda mengenal algoritma klasifikasi pada tingkat dasar, cobalah Titanic.
• Jika Anda memiliki sedikit pengalaman dengan regresi, Anda dapat melihat kompetisi House Prices Advanced Regression Techniques.
• Jika Anda tertarik pada bidang computer vision, Anda sebaiknya ikut Digit Recognizer.
• Jika Anda memiliki sedikit pengalaman dengan pemrosesan citra, kami merekomendasikan Facial Keypoints Detection.
• Jika Anda tertarik pada natural language processing, lihat Bag of Words Meets Bags of Popcorn.

3. Jangan hanya mengandalkan Kaggle 

Setelah Anda mencoba salah satu kompetisi tingkat dasar di atas, Anda akan mendapat sedikit pengalaman dan ada baiknya mencari kompetisi di platform lain. 

Di DataCamp, Anda dapat mengikuti kompetisi data science seperti "Merancang strategi promo untuk perusahaan minuman", yang mengharuskan Anda melakukan riset dan berusaha lebih jauh sesuai kemampuan Anda. Yang membuat kompetisi ini istimewa adalah tidak hanya berfokus pada machine learning, tetapi juga menantang peserta untuk meningkatkan kemampuan analisis, penceritaan, dan visualisasi secara signifikan. Anda dapat melihat notebook yang dibagikan untuk kompetisi ini di tab entries.

Untuk memaksimalkan peluang sukses dan memetik hasil terbaik dari kompetisi ini, disarankan agar Anda menyelesaikan kursus berikut terlebih dahulu:

• Exploratory Data Analysis in Python
• Statistical Thinking in Python
• Data Manipulation with Pandas
• Customer Segmentation in Python
• Cluster Analysis in Python

4. Fokus pada pembelajaran

Hadiah uang di Kompetisi Kaggle signifikan. Ini bisa menggoda Anda menyimpang dari tujuan belajar. Jangan fokus pada hadiah, tetapi utamakan pembelajaran dan peningkatan. Setelah Anda cukup berpengalaman, akan ada waktunya untuk memikirkan cara mencapai posisi puncak.

5. Pelajari notebook publik lain

Mempelajari notebook yang dibagikan dalam kompetisi akan membantu Anda mempelajari berbagai cara menyelesaikan masalah yang sama.

6. Baca aturan kompetisi

Baca informasi dan aturan kompetisi sebelum Anda memutuskan untuk berpartisipasi, dan pastikan Anda memahaminya sepenuhnya sebelum bergabung.

7. Bagikan solusi Anda

Berbagi solusi Anda akan meningkatkan interaksi dengan data scientist lain, dan Anda akan bisa mendapatkan masukan dari orang lain. Dengan membuka topik diskusi tentang solusi Anda, Anda akan mendapatkan medali lebih cepat dan bisa segera meningkatkan peringkat Kaggle Anda. Informasi lebih lanjut tentang Peringkat Kaggle disediakan di bagian 6.

8. Ikuti kursus ini di DataCamp

Kursus Winning a Kaggle Competition in Python dari DataCamp akan mengajarkan Anda cara mendekati dan menyusun entri kompetisi data science apa pun. Dengan mengikuti kursus ini, Anda akan mempelajari semua teknik fundamental yang digunakan dalam kompetisi, seperti cara memvalidasi model machine learning, dan cara menghindari overfitting. 

Apa itu Peringkat Kaggle?

Sistem peringkat Kaggle adalah papan peringkat langsung yang memberi peringkat data scientist dari semua tingkat keahlian, yang membuat berbagai jenis kontribusi ke Kaggle, mulai dari berkomentar hingga berpartisipasi dalam kompetisi Kaggle. 

Selain papan peringkat utama, ada empat jenis peringkat lain untuk: "Competition", "Dataset", "Notebook", dan "Discussion". Anda dapat melihat level Anda di masing-masing kategori ini di profil Anda. Saat Anda meraih medali di kategori-kategori di atas, peringkat dan tingkat Anda meningkat. Ingat bahwa medali diperoleh melalui peringkat kompetisi dan upvote.

Ada lima tingkat utama di Kaggle: "Novice", "Contributor", "Expert", "Master" dan "Grandmaster". Saat ini, hanya ada 241 data scientist di tingkat "Kaggle Grandmaster", yang merupakan liga teratas. Ini membuktikan betapa sulitnya menjadi bagian darinya. Untuk sisanya, saat ini ada 1.668 master, 7.206 expert, 64.668 contributor, dan 92.747 novice. Tingkat yang Anda tempati, seperti halnya jumlah medali yang Anda raih, akan sangat menguntungkan untuk kemajuan karier Anda.

Medali Kaggle

Medali mewakili pencapaian tunggal dalam suatu kategori. Pencapaian ini bisa berupa hasil kompetisi yang hebat, notebook yang populer, dataset yang berguna, atau komentar yang penuh wawasan, dan lainnya. Pencapaian Anda distandardisasi dan sistem peringkat dibuat dengan membandingkan kontribusi Anda dengan kontribusi data scientist lainnya.

Medali Kompetisi

Medali kompetisi ditentukan oleh peringkat Anda dalam kompetisi. Ingat bahwa Anda tidak mendapatkan medali dari kompetisi di kategori InClass, Playground, dan Getting Started.

Pada kompetisi dengan 0-99 tim, berada di 40% teratas akan memberi Anda medali perunggu. Anda akan mendapatkan medali perak jika berada di 20% teratas, dan medali emas jika berada di 10% teratas. Seiring bertambahnya jumlah tim, distribusi medali juga berubah. Misalnya, saat berpartisipasi dalam kompetisi dengan 1000 tim atau lebih, 10% teratas akan mendapatkan medali perunggu, 5% teratas akan mendapatkan medali perak, dan 10 tim teratas akan mendapatkan medali emas.

Medali Dataset

Semakin populer dataset yang Anda bagikan, semakin banyak upvote yang akan Anda terima dari orang lain. Medali dataset Anda ditentukan oleh jumlah upvote ini. Dataset dengan 5-20 suara mendapat medali perunggu, dataset dengan 20-50 suara mendapat medali perak, dan dataset dengan 50 suara atau lebih mendapat medali emas. Suara yang diberikan oleh pengguna tingkat novice tidak termasuk dalam perhitungan.

Medali Notebook

Aturan yang sama seperti medali dataset berlaku untuk medali notebook. Notebook dengan 5-20 suara mendapat medali perunggu, notebook dengan 20-50 suara mendapat medali perak, dan notebook dengan 50 suara atau lebih mendapat medali emas. Suara yang diberikan oleh pengguna tingkat novice tidak termasuk dalam perhitungan. 

Medali Diskusi

Medali diskusi diperoleh dengan menghitung suara bersih, yang diperoleh dengan mengurangkan downvote dari upvote. Suara pada postingan lama Anda dan suara dari tingkat novice tidak termasuk dalam perhitungan. Satu suara bersih sudah cukup untuk mendapatkan medali perunggu. Jika Anda mendapatkan antara 5-10 suara bersih, Anda akan menerima medali perak dan dengan 10 atau lebih suara bersih, Anda akan mendapatkan medali emas.

Tingkat Performa

Anda ditetapkan tingkat performa untuk setiap kategori peringkat ("Competitions", "Datasets", "Notebooks" dan "Discussions"). Tingkat tertinggi Anda di semua kategori ditampilkan sebagai tingkat utama di profil Anda.

Novice

Anda otomatis menerima tingkat ini saat mendaftar di platform.

Contributor

Syarat untuk menjadi "Contributor" adalah sebagai berikut:

• Menjalankan satu notebook atau skrip
• Melakukan satu pengiriman kompetisi atau tugas
• Membuat satu komentar
• Memberikan satu upvote

Expert

Untuk menjadi "Expert", Anda harus meraih setidaknya 2 medali perunggu di kompetisi; setidaknya 3 medali perunggu di dataset; setidaknya 5 medali perunggu di notebook; dan setidaknya 50 medali perunggu di diskusi.

Master

Untuk mencapai tingkat "Master", Anda harus meraih setidaknya 1 medali emas dan 2 medali perak di kompetisi; setidaknya 1 medali Emas dan 4 medali Perak di dataset; setidaknya 10 medali perak di notebook; dan setidaknya 200 medali di diskusi, dengan minimal 50 di antaranya harus medali perak.

Grandmaster

Untuk menjadi "Grandmaster", Anda perlu meraih setidaknya 5 medali emas di kompetisi, dengan minimal 1 di antaranya harus medali emas solo; setidaknya 5 medali emas dan 5 medali perak di dataset; setidaknya 15 medali emas di notebook; dan setidaknya 500 medali di diskusi, dengan 50 di antaranya harus medali emas.

Berapa Lama Waktu yang Diperlukan untuk Berpindah dari Contributor ke Expert?

Semua tergantung pada seberapa gigih Anda dan seberapa banyak Anda berkontribusi di Kaggle. Rata-rata, dibutuhkan sekitar 1 tahun untuk berpindah dari contributor ke expert, menurut analisis ini. Kerangka waktu ini bergantung pada tingkat upaya yang masing-masing data scientist bersedia investasikan di Kaggle. Misalnya, jika Anda menginvestasikan waktu untuk belajar dan berkembang, Anda mungkin membutuhkan waktu lebih lama untuk mendapatkan lencana expert, tetapi jika Anda hanya mencoba mengumpulkan medali sebanyak mungkin secepat mungkin, ini bisa memakan waktu lebih singkat.

Biasanya lebih baik menginvestasikan waktu untuk membuat kemajuan nyata dan bukan hanya untuk mengumpulkan medali. Untuk meningkatkan pengetahuan dan keterampilan agar maju dalam karier, pengalaman nyata yang paling berharga. 

Tips Peringkat Kaggle

Seperti disebutkan sebelumnya, tujuan Anda seharusnya menggunakan Kaggle atau DataCamp untuk memperluas jaringan, meningkatkan keterampilan, dan belajar sebanyak mungkin.

Namun, meraih medali juga berharga, tentu saja, dan karena syarat untuk mendapatkan medali juga bergantung pada jumlah upvote yang tinggi, Anda sebaiknya mempertimbangkan untuk meningkatkan jumlah upvote yang Anda terima. Tips berikut akan membantu Anda meningkatkan jumlah medali:

• Jangan meminta upvote. Dengan upaya menyediakan informasi yang berguna, upvote seharusnya datang dengan sendirinya. Faktanya, meminta upvote bisa berdampak sebaliknya dan kemungkinan besar akan membuat Anda mendapat downvote.
• Anda mungkin mendapat lebih banyak upvote jika menyebutkan kredit penulis. Tetapi gunakan informasi ini secara selektif dan hanya ketika benar-benar menambah nilai pada postingan, agar Anda tidak berisiko dianggap spam.
• Ingat: fokuslah hanya pada peningkatan keterampilan Anda dan medali akan mengikuti.

 Tingkat dan medali Kaggle adalah manifestasi nyata dari pencapaian Anda. Seiring kemajuan, melihat pencapaian Anda terwujud kemungkinan besar akan memotivasi Anda.

Kesimpulan

Bersaing dalam kompetisi data science di Kaggle atau DataCamp itu menyenangkan dan merupakan salah satu alat untuk memotivasi Anda dalam perjalanan data science. Meskipun ada data scientist luar biasa yang memasukkan hadiah kompetisi dalam model pendapatan mereka, tujuan sebagian besar data scientist adalah belajar sebanyak mungkin dari kompetisi dan mendapatkan pengalaman nyata. 

Elemen yang paling membantu di sini adalah ambisi untuk meningkatkan peringkat kompetisi. Dengan ambisi ini, data scientist dapat melihat notebook orang lain dan mempelajari beragam kode serta strategi. Saran yang akan diberikan untuk kode Anda setelah kompetisi bahkan dapat dianggap sebagai bentuk mentoring gratis.

Untuk panduan langkah demi langkah tentang cara menganalisis dataset untuk sebuah kompetisi, lihat Tutorial Kompetisi Kaggle kami.