Tutorial sui dataset di Kaggle: Kaggle Notebooks

Un "Kaggle Notebook" è un server jupyter gratuito che può integrare la GPU. Proprio come i notebook di DataCamp Workspace, ti permette di eseguire operazioni di machine learning su computer nel cloud invece che sul tuo computer. Ogni volta che crei un Kaggle Notebook, puoi modificarne ed eseguirne il contenuto nel browser. Non c'è bisogno di configurare un ambiente jupyter notebook locale: entra su Kaggle, crea un notebook e inizia a usarlo nel browser. Puoi vedere i notebook che hai creato in precedenza sulla pagina Kaggle Notebook e puoi anche consultare i notebook di altre persone.

Per creare un Notebook, clicca su "New Notebook" dopo essere arrivato alla pagina Kaggle Code (Figura 3.1). Dopo questa operazione, ti verranno assegnate risorse cloud e un notebook verrà creato all'istante. Puoi dare un nome al tuo notebook cliccando sul testo del notebook nell'angolo in alto a sinistra. Come puoi vedere a colpo d'occhio, molte opzioni e funzionalità presenti nei jupyter notebook sono disponibili anche qui.

Le domande più frequenti sui Kaggle Notebooks sono come condividere pubblicamente un notebook, come aggiungere un'altra persona come collaboratore, come importare un dataset in un notebook e come usare la GPU. In Figura 3.2 puoi vedere i pulsanti necessari per ciascuna di queste operazioni.

Per prima cosa, devi eseguire il commit di una versione del tuo Notebook per renderlo pubblico. Puoi creare una nuova versione del tuo Notebook cliccando sul pulsante "Save Version" in alto a destra. Poi, puoi rendere il tuo notebook accessibile a tutti cliccando sul pulsante "Share" alla sinistra di questo pulsante, oppure puoi aggiungere altri come collaboratori usando lo stesso menu. Per importare un dataset, ti basta cliccare sul pulsante "Add data" sotto il pulsante "Save Version" nel menu a destra e selezionare il dataset che vuoi aggiungere. Per attivare la GPU, devi selezionare l'opzione GPU dalla sezione accelerator nel menu sul lato destro. Il tempo massimo di GPU che puoi usare su Kaggle è impostato a 30 ore a settimana.

Tutte le altre funzionalità dei notebook sono spiegate in dettaglio nella documentazione di Kaggle.

KAGGLE DATASETS

CHE COSA SONO I KAGGLE DATASETS?

Kaggle è una piattaforma di data science ma supporta anche la gestione dei dataset. "Kaggle Datasets" ti permette di creare dataset personalizzati, condividerli con altri e importarli facilmente nei tuoi notebook. Inoltre, puoi aggiungere dataset privati visibili solo a te.

Ciò che rende questa funzione una delle più importanti su Kaggle è che ti dà accesso a un'ampia varietà di dataset di alta qualità condivisi da altri utenti. Puoi trovare facilmente i dataset che ti interessano con pochi metodi di ricerca e filtraggio.

FILTRI DI RICERCA DEI DATASET

Per cercare un dataset, scrivi le tue parole chiave nel campo di ricerca, come mostrato nella Figura 4.1. Qui puoi vedere che possiamo accedere a diversi dataset sulla pandemia semplicemente digitando "Covid" nella barra di ricerca.

Se clicchi su "Filters" sul lato destro della barra di ricerca, compariranno più opzioni di filtraggio (Figura 4.2). Con queste, puoi restringere la ricerca inserendo tag del dataset, tipo di file e altri valori come la dimensione minima o massima del dataset (Figura 4.3).

Kaggle ti consente di scaricare gratuitamente qualsiasi dataset, ma a seconda di come intendi usarlo, potresti dover prestare attenzione al tipo di licenza dei dataset. In alcuni casi, potresti dover ottenere permessi aggiuntivi dai proprietari se vuoi usare un dataset per un articolo accademico o se intendi usarlo per scopi commerciali, per esempio.

Su Kaggle ci sono tre tipi principali di licenza:

1. Creative Commons: Esistono diversi tipi di licenze Creative Commons:
1. CC0, che indica il pubblico dominio e significa che il dataset è disponibile per chiunque e in qualsiasi circostanza.
2. CC-BY, che richiede a chi usa il dataset di attribuirne la paternità al proprietario.
3. CC-BY-SA, che richiede di attribuire la paternità al proprietario e aggiunge la condizione che il dataset mantenga lo stesso tipo di licenza anche dopo essere stato modificato.
2. GPL: Questa licenza in sostanza prevede quattro opzioni di utilizzo principali:
1. Per prima cosa, ottieni un uso illimitato di un dataset.
2. Hai anche la possibilità di esaminare come funziona il dataset e di modificarlo.
3. Inoltre, hai diritto alla distribuzione illimitata di copie del dataset.
4. E infine, puoi distribuire anche la versione modificata del dataset.
3. Open Database: Consente agli utenti di condividere, modificare e usare il dataset, ma rende obbligatorio adottare lo stesso tipo di licenza per il dataset modificato.

DATA EXPLORER

La sezione Data Explorer ti permette di sfogliare rapidamente il contenuto e la struttura dei dataset. Ti offre una panoramica dei file e delle colonne nei dati, oltre ai relativi istogrammi (Figura 4.4).

DATASET PER PRINCIPIANTI

I seguenti dataset sono divertenti e facili da esplorare per chi inizia. Puoi importarli nei tuoi notebook e iniziare a fare pratica visualizzando i dati. Una volta che hai un'idea, con alcuni di questi dataset puoi persino costruire modelli di machine learning.

• Digimon Database: Un database di Digimon e delle loro mosse tratto da Digimon Story CyberSleuth.
• Animal Bites: Dati su oltre 9.000 morsi, inclusi i test per la rabbia.
• 80 Cereals: Dati nutrizionali su 80 prodotti per la colazione.
• Women's Shoe Prices: Un elenco di 10.000 scarpe da donna e i prezzi a cui sono vendute.
• Groundhog Day Forecasts and Temperatures: Quanto è accurata la previsione meteo invernale di Punxsutawney Phil?

DATASET PERSONALIZZATI

Puoi anche caricare e usare i tuoi dataset su Kaggle. Questa funzione è utile quando hai un tuo dataset o quando hai modificato un dataset e vuoi usarlo nel tuo notebook. Per caricare un dataset, per prima cosa devi comprimere in zip il file principale del dataset. Poi clicca su "New Dataset" nella sezione Datasets. Dai un nome al tuo dataset e carica il file zip (Figura 4.5).

E questo è tutto. Ora puoi importare il dataset caricato nel tuo notebook e iniziare a usarlo, come mostrato nella sezione 2. Se vuoi mantenere il dataset privato, assicurati che l'etichetta nell'angolo in basso a destra della schermata di caricamento indichi "Private". Se non vuoi che sia privato, puoi cliccare sull'etichetta e cambiarla in "Public".