After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Kaggle è la piattaforma più famosa per le competizioni di Data Science. Partecipare a queste competizioni ti permette di lavorare con insiemi di dati reali, esplorare vari problemi di Machine Learning, competere con altri partecipanti e, soprattutto, fare preziosa esperienza pratica. In questo corso imparerai ad affrontare e strutturare qualsiasi competizione di Data Science. Saprai scegliere il corretto schema di validazione locale ed evitare l'overfitting. Inoltre, padroneggerai tecniche avanzate di feature engineering e approcci di ensembling dei modelli. Tutte queste tecniche saranno messe in pratica su insiemi di dati delle competizioni Kaggle.
Prerequisiti
Curriculum
Programma del corso
1
Il processo delle competizioni Kaggle
In questo primo capitolo conoscerai il processo delle competizioni Kaggle. Allenerai un modello e preparerai un file CSV pronto per l'invio. Imparerai la differenza tra le suddivisioni Public e Private del test e come prevenire l'overfitting.
- Panoramica delle competition50 XP
- Esplora i dati di train100 XP
- Esplora i dati di test100 XP
- Prepara la tua prima submission50 XP
- Determina il tipo di problema50 XP
- Allena un modello semplice100 XP
- Prepara un file di submission100 XP
- Classifica Public vs Private50 XP
- Quale modello sta facendo overfitting?50 XP
- Allena modelli XGBoost100 XP
- Esplora l'overfitting con XGBoost100 XP
2
Entra nel vivo della competizione
Ora che conosci le basi delle competizioni Kaggle, imparerai a studiare il problema specifico da affrontare. Metterai in pratica l'EDA e definirai strategie corrette di validazione locale. Imparerai anche a riconoscere il data leakage.
3
Feature Engineering
Entrerai ora in contatto con diversi tipi di feature. Modificherai feature esistenti e ne creerai di nuove. Inoltre, tratterai correttamente i dati mancanti.
4
Modeling
È il momento di unire tutto e costruire dei modelli! In questo ultimo capitolo, creerai un modello di base, poi affinerai alcuni iperparametri e migliorerai i risultati con ensemble. Infine, riceverai alcuni consigli e trucchi per competere in modo più efficace.
Vincere una competizione Kaggle con Python
Corso
completato
