Kaggle-wedstrijden: de complete gids

Inhoudsopgave

• Wat zijn Kaggle-wedstrijden?
• Is meedoen aan Kaggle-wedstrijden de moeite waard?
• Wanneer moet je meedoen aan een data science-wedstrijd?
• Wat zijn Datacamp-wedstrijden?
• Hoe vind je de juiste Kaggle-wedstrijd voor jouw niveau? (van beginner tot gevorderd)
• Tips voor Kaggle-wedstrijden
  • Kies een programmeertaal
  • Doe mee aan wedstrijden met het label "Getting Started"
  • Gebruik niet alleen Kaggle
  • Focus op leren
  • Bestudeer andere openbare notebooks
  • Lees de wedstrijdregels
  • Deel je oplossingen
  • Volg deze cursus op DataCamp

• Wat zijn Kaggle-ranglijsten?
  • Kaggle-medailles
    • Wedstrijdmedailles
    • Datasetmedailles
    • Notebookmedailles
    • Discussie-medailles
  • Prestatieniveaus
    • Novice
    • Contributor
    • Expert
    • Master
    • Grandmaster
  • Hoe lang duurt het om van Contributor naar Expert te gaan?
• Tips voor Kaggle-ranglijsten
• Conclusie

Wat zijn Kaggle-wedstrijden?  

Nu we de basis van Kaggle, zoals notebooks en datasets, hebben behandeld, kunnen we ingaan op de meest gestelde vragen over Kaggle-wedstrijden: Wie organiseert ze? Kan ik meedoen? Waarom zou ik meedoen? 

Die laatste vraag is de sleutel. Kaggle-wedstrijden draaien om uitdagende machinelearningtaken die worden georganiseerd door Kaggle zelf of door grote bedrijven, organisaties en universiteiten. In deze wedstrijden nemen gebruikers het op tegen andere data scientists op het platform om nauwkeurigere voorspellingen in te dienen met de machinelearningmodellen die ze tijdens de wedstrijd bouwen. Na het indienen wordt automatisch een score berekend die weerspiegelt hoe goed hun model werkt.

Het is een veelvoorkomend misverstand dat je eerst colleges in kansrekening en statistiek moet volgen of een diep begrip van bepaalde machinelearningbibliotheken moet hebben voordat je aan deze wedstrijden kunt deelnemen. De waarheid is dat je op elk niveau kunt, en zou moeten, meedoen aan Kaggle-wedstrijden. Wedstrijden zijn niet alleen voor experts; iedereen kan er waardevolle ervaring opdoen en die zelfs gebruiken om een data science-portfolio op te bouwen.

Is meedoen aan Kaggle-wedstrijden de moeite waard?

• Ongeacht hoeveel ervaring je hebt in data science, je kunt je vaardigheden verbeteren door mee te doen aan wedstrijden in dit voortdurend groeiende en ontwikkelende vakgebied. Deze wedstrijden dagen je uit binnen je eigen mogelijkheden. Hoe meer tijd en moeite je in Kaggle- of DataCamp-wedstrijden steekt, hoe sneller je vertrouwd raakt met de bibliotheken en programmeertalen die je gebruikt.
• Je verdient je plek op de ranglijst tussen data scientists van alle niveaus wereldwijd.
• Je krijgt de kans om de winnende oplossingen te bekijken en toegang tot verschillende benaderingen van hetzelfde probleem. Hierdoor wordt het makkelijker om de uitdagende taken vanuit meerdere perspectieven te analyseren.
• Je krijgt toegang tot datasets van topkwaliteit. Zo kun je je volledig op de oplossing richten, omdat je je niet hoeft bezig te houden met het schoonmaken van data, het verzamelen van gerelateerde data of het zelf creëren van een consistente en goed gelabelde dataset.
• Je krijgt de kans om mee te doen aan een technische discussie met de winnaars van de wedstrijden en andere topdata scientists. Dit helpt je netwerk uit te breiden.
• Werken aan echte problemen motiveert je en geeft inzicht in het dagelijkse werk en de verantwoordelijkheden van een data scientist.
• Er is een duidelijke financiële prikkel.

Meedoen aan Kaggle- of DataCamp-wedstrijden is absoluut de moeite waard. Ongeacht je ervaringsniveau zul je zeker minstens één van de genoemde voordelen relevant vinden. Er is een grote variëteit aan data science-wedstrijden en er worden regelmatig nieuwe wedstrijden gepubliceerd. Ook als je er nu niet in geïnteresseerd bent, is het aan te raden de gepubliceerde wedstrijden te volgen, omdat er vroeg of laat waarschijnlijk wel eentje relevant voor je wordt.

Wanneer moet je meedoen aan een data science-wedstrijd?

Houd vóórdat je aan een wedstrijd meedoet de volgende drie criteria in gedachten:

1. Staat de hoeveelheid tijd en werk die je aan deze wedstrijd besteedt in verhouding tot de verbetering die je ermee kunt behalen?
2. Wat is de financiële prikkel bij winst, en is die je tijd waard?
3. Geeft het werk, het onderzoek en de bijdrage in de wedstrijd jou als dataprofessional voldoening?

Sommige data scientists doen graag aan elke wedstrijd mee om hun netwerk uit te breiden en te oefenen. De meeste mensen moeten echter de bovenstaande criteria afwegen om te beslissen of een wedstrijd de moeite waard is. Je zult ook je eigen criteria moeten bepalen en meenemen in je beslissing om mee te doen. Bedenk daarbij: hoe meer wedstrijden je meedoet, hoe meer voordelen en leermomenten je uit Kaggle kunt halen.

Wat zijn Datacamp-wedstrijden?

DataCamp-wedstrijden en Kaggle-wedstrijden hebben veel overeenkomsten. Net als op Kaggle kun je op DataCamp de openbaar gedeelde notebooks bekijken, en ook DataCamp-wedstrijden kennen prijzen. Als je hoog eindigt, win je een DataCamp-abonnement van 1 jaar op premium en kun je ook geldprijzen winnen. DataCamp biedt bovendien, net als Kaggle, een omgeving waarin je via de discussiepagina’s in contact komt met data scientists van alle niveaus.

Er zijn echter een paar belangrijke verschillen tussen Kaggle- en Datacamp-wedstrijden. Enerzijds ligt de focus bij Kaggle-wedstrijden meer op machine learning, terwijl DataCamp zich in bredere zin richt op het testen van je analytische vaardigheden, storytelling en visualisatie. Anderzijds heb je bij DataCamp-wedstrijden een grotere kans om te winnen, omdat het een opkomend platform is met relatief weinig deelnemers.

Hoe dan ook, je zou nooit aan wedstrijden moeten deelnemen met het enige doel om te winnen. Je haalt er veel meer uit als je je richt op vooruitgang. Ook in dat opzicht biedt DataCamp uitstekende mogelijkheden tot verbetering waar je eenvoudig gebruik van kunt maken.

Hoe vind je de juiste Kaggle-wedstrijd voor jouw niveau? (van beginners tot gevorderde skills)

Kaggle laat je wedstrijden filteren op titel of met zoekwoorden, zodat je gemakkelijk de meest interessante vindt. Het is zo simpel als de titel of zoekwoorden invoeren in de zoekbalk.


Figuur 5.1: Wedstrijden zoeken

Je kunt ook filteren op wedstrijdlabels.

Figuur 5.2: Wedstrijden filteren

Naast titels, zoekwoorden en labels zijn er drie andere hoofdfilters: “Status”, “Prizes and Awards” en “Categories”.

Status:

• Monetary: Wedstrijden met deze tag worden meestal gedeeld door grote, bekende bedrijven. Als je hoog eindigt in deze wedstrijden, win je een geldprijs. De laagste prijzen liggen tussen $5.000 en $10.000. Wedstrijden met prijzen tussen $50.000 en $100.000 komen het vaakst voor. De grootste prijzen lopen op tot 1 miljoen dollar.
• Medals: Je krijgt Kaggle-medailles als beloning, afhankelijk van de score die je in de wedstrijd behaalt. Met deze medailles stijgt je ranking. Kaggle Ranking wordt uitgebreid uitgelegd in sectie 6.
• Other: Deze wedstrijden belonen deelnemers met Kaggle-merchandise, zoals T-shirts of stickers.

Categorieën:

• Featured: Deze wedstrijden worden meestal gepubliceerd door grote bedrijven, organisaties en zelfs overheden. De geldprijzen zijn veel groter dan in andere categorieën.
• Research: Dit zijn onderzoeksthema’s. Er is weinig of geen prijzengeld.
• Getting Started: Deze bevatten geen beloningen. Het zijn doorgaans wedstrijden die bedoeld zijn voor educatieve doeleinden. Aan het einde van deze sectie vind je een voorbeeldwedstrijd met het label “Getting Started”. Je ziet niet alleen het voorbeeld, maar ook een tutorial over het gebruik van een notebook en het indienen van de resultaten, en andere relevante stappen.
• Playground: Geschikt voor wie ervaring wil opdoen en zijn of haar vaardigheden verder wil verbeteren. De prijzen zijn meestal Kaggle-merch (zoals T-shirts en stickers). Deze wedstrijden zijn vaak leuk en gegamificeerd.
• InClass: Dit zijn wedstrijden die meestal door universiteiten worden georganiseerd en waaraan hun machinelearningstudenten deelnemen. Het doel is deze studenten te betrekken en te inspireren.
• Analytics: Dit zijn data-analysewedstrijden.
• Simulations: Wat deze onderscheidt van traditionele supervised machinelearninguitdagingen op Kaggle, is dat het gaat om competities met reinforcement learning-taken. Deelnemers ontwikkelen modellen en laten die met elkaar concurreren in een gesimuleerde omgeving.

Naast de hoofdfilters zijn er ook nog andere waarmee je wedstrijden kunt sorteren op extra parameters, zoals “Hotness”, “Recently Launched”, “Closing Soon”, “Reward” en “Total Teams”.

Figuur 5.3: Wedstrijden sorteren

Tips voor Kaggle-wedstrijden

1. Kies een programmeertaal

Python en R zijn de meest gebruikte programmeertalen in data science, vooral voor visualisaties en machinelearningtaken. Vraag je je af over MATLAB? Dat kun je lokaal gebruiken voor data science-taken, maar Kaggle-notebooks ondersteunen alleen Python, R en Julia. 

Als je een andere programmeertaal gebruikt, kun je sommige taken misschien makkelijker uitvoeren, maar de kracht van een taal zit in de community en de ondersteuning met open-sourcebibliotheken erachter. Bedenk dat je (door een van de populairdere talen te gebruiken) elke bibliotheek die je lokaal importeert, ook op Kaggle kunt importeren.

Als je beginner bent, zijn Python of R prima om mee te starten en bij te blijven tot je je verder ontwikkelt. Houd er rekening mee dat veel notebooks die op Kaggle worden gedeeld in Python zijn geschreven; als je die wilt bestuderen, gaat dat een stuk vlotter als je de taal kent.

2. Doe mee aan wedstrijden met het label "Getting Started"

Getting Started is perfect voor beginners. Als je deze wedstrijden voltooit en de notebooks van anderen doorneemt, leer je veel en relatief snel.

Hier zijn enkele Getting Started-wedstrijden die we aanraden afhankelijk van je kennis:

• Als je op basisniveau bekend bent met classificatie-algoritmen, probeer dan Titanic.
• Als je wat ervaring hebt met regressie, bekijk dan de wedstrijd House Prices Advanced Regression Techniques.
• Als je geïnteresseerd bent in computer vision, doe dan mee aan de Digit Recognizer.
• Als je enige ervaring hebt met beeldverwerking, raden we Facial Keypoints Detection aan.
• Ben je geïnteresseerd in natural language processing, bekijk dan Bag of Words Meets Bags of Popcorn.

3. Gebruik niet alleen Kaggle 

Nadat je een van de basiswedstrijden hierboven hebt geprobeerd, heb je wat meer ervaring en is het goed om ook op andere platformen naar wedstrijden te kijken. 

Op DataCamp kun je meedoen aan data science-wedstrijden zoals “Designing a promo strategy for a drinks company”, die van je vraagt om onderzoek te doen en binnen je mogelijkheden een stap extra te zetten. Wat deze wedstrijd bijzonder maakt, is dat de focus niet alleen op machine learning ligt, maar dat deelnemers ook worden uitgedaagd om hun analyse-, storytelling- en visualisatievaardigheden aanzienlijk te verbeteren. Je kunt de gedeelde notebooks voor deze wedstrijd bekijken op het tabblad entries.

Om je kansen op succes te maximaliseren en het meeste uit deze wedstrijd te halen, is het aan te raden om eerst de volgende cursussen te voltooien:

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

4. Focus op leren

Het prijzengeld in Kaggle-wedstrijden is aanzienlijk. Dat kan je verleiden om af te dwalen van je leervoornemen. Focus niet op de prijs, maar geef prioriteit aan leren en verbeteren. Zodra je genoeg ervaring hebt, is er tijd genoeg om na te denken over hoe je de top bereikt.

5. Bestudeer andere openbare notebooks

Het bestuderen van notebooks die in de wedstrijden worden gedeeld, helpt je om verschillende manieren te leren om hetzelfde probleem op te lossen.

6. Lees de wedstrijdregels

Lees de wedstrijdinformatie en -regels voordat je besluit mee te doen, en zorg dat je ze volledig begrijpt voordat je je inschrijft.

7. Deel je oplossingen

Door je oplossingen te delen vergroot je je interactie met andere data scientists en kun je feedback krijgen van anderen. Door discussietopics over je oplossingen te openen, verdien je sneller medailles en kun je je Kaggle-ranking snel verhogen. Meer informatie over Kaggle Ranking vind je in sectie 6.

8. Volg deze cursus op DataCamp

De DataCamp-cursus Winning a Kaggle Competition in Python leert je hoe je elke inzending voor een data science-wedstrijd benadert en structureert. Je leert alle fundamentele technieken die in wedstrijden worden gebruikt, zoals hoe je machinelearningmodellen valideert en hoe je overfitting voorkomt. 

Wat zijn Kaggle-ranglijsten?

Het Kaggle-rankingsysteem is een live leaderboard dat data scientists van alle niveaus rangschikt die op verschillende manieren bijdragen aan Kaggle, van reageren tot deelnemen aan Kaggle-wedstrijden. 

Naast het hoofdklassement zijn er vier andere typen ranglijsten voor: “Competition”, “Dataset”, “Notebook” en “Discussion”. Je kunt je niveau in elk van deze categorieën op je eigen profiel zien. Naarmate je medailles wint in de bovenstaande categorieën, stijgen je rang en je niveau. Onthoud dat medailles worden verkregen via wedstrijdscores en upvotes.

Er zijn vijf hoofdniveaus op Kaggle: “Novice”, “Contributor”, “Expert”, “Master” en “Grandmaster”. Op dit moment zijn er slechts 241 data scientists met de status “Kaggle Grandmaster”, de hoogste league. Dat laat zien hoe moeilijk het is om daarbij te horen. Verder zijn er momenteel 1.668 masters, 7.206 experts, 64.668 contributors en 92.747 novices. Het niveau waarop je zit, net als het aantal medailles dat je verdient, kan zeer voordelig zijn voor je carrière.

Kaggle-medailles

Medailles staan voor een afzonderlijke prestatie in een categorie. Dat kan een sterk wedstrijdresultaat zijn, een populair notebook, een nuttige dataset of een verhelderende reactie, om er maar een paar te noemen. Je prestaties worden gestandaardiseerd en er wordt een rankingsysteem gecreëerd door vergelijkingen te maken met de bijdragen van andere data scientists.

Wedstrijdmedailles

Wedstrijdmedailles worden bepaald door je ranking in wedstrijden. Onthoud dat je geen medailles wint in de categorieën InClass, Playground en Getting Started.

In wedstrijden met 0–99 teams levert een plek bij de beste 40% je een bronzen medaille op. Je krijgt een zilveren medaille als je bij de beste 20% hoort, en een gouden medaille als je bij de beste 10% zit. Naarmate het aantal teams toeneemt, verandert ook de verdeling van medailles. Neem bijvoorbeeld een wedstrijd met 1000 of meer teams: dan krijgt de beste 10% een bronzen medaille, de beste 5% een zilveren medaille en de top 10 teams een gouden medaille.

Datasetmedailles

Hoe populairder de datasets zijn die je deelt, hoe meer upvotes je van anderen krijgt. Je datasetmedailles worden bepaald door het aantal upvotes. Datasets met 5–20 stemmen krijgen een bronzen medaille, datasets met 20–50 stemmen een zilveren medaille en datasets met 50 of meer stemmen een gouden medaille. Stemmen van gebruikers op novice-niveau tellen niet mee in de berekening.

Notebookmedailles

Voor notebookmedailles gelden dezelfde regels als voor datasetmedailles. Notebooks met 5–20 stemmen krijgen een bronzen medaille, notebooks met 20–50 stemmen een zilveren medaille en notebooks met 50 of meer stemmen een gouden medaille. Stemmen van gebruikers op novice-niveau tellen niet mee in de berekening. 

Discussie-medailles

Discussie-medailles worden bepaald op basis van netto stemmen, die worden berekend door downvotes af te trekken van upvotes. Stemmen op je oude posts en stemmen van novice-gebruikers tellen niet mee in de berekening. Eén nettestem is genoeg voor een bronzen medaille. Krijg je tussen 5–10 nettestemmen, dan ontvang je een zilveren medaille, en met 10 of meer nettestemmen krijg je goud.

Prestatieniveaus

Je krijgt een prestatieniveau voor elke rankingcategorie (“Competitions”, “Datasets”, “Notebooks” en “Discussions”). Je hoogste niveau in alle categorieën wordt als hoofdniveau op je profiel weergegeven.

Novice

Dit niveau ontvang je automatisch wanneer je je op het platform registreert.

Contributor

De voorwaarden om “Contributor” te worden, zijn:

• Eén notebook of script uitvoeren
• Eén wedstrijd- of taakinzending doen
• Eén reactie plaatsen
• Eén upvote geven

Expert

Om “Expert” te worden, moet je minstens 2 bronzen medailles in wedstrijden winnen; minstens 3 bronzen medailles in datasets; minstens 5 bronzen medailles in notebooks; en minstens 50 bronzen medailles in discussies.

Master

Om het niveau “Master” te bereiken, moet je minstens 1 gouden en 2 zilveren medailles in wedstrijden winnen; minstens 1 gouden medaille en 4 zilveren medailles in datasets; minstens 10 zilveren medailles in notebooks; en minstens 200 medailles in discussies, waarvan er minstens 50 zilver moeten zijn.

Grandmaster

Om “Grandmaster” te worden, heb je minstens 5 gouden medailles in wedstrijden nodig, waarvan er minstens 1 solo goud moet zijn; minstens 5 gouden en 5 zilveren medailles in datasets; minstens 15 gouden medailles in notebooks; en minstens 500 medailles in discussies, waarvan 50 goud moeten zijn.

Hoe lang duurt het om van Contributor naar Expert te gaan?

Dat hangt volledig af van hoeveel je volhoudt en bijdraagt op Kaggle. Gemiddeld duurt het ongeveer 1 jaar om van contributor naar expert te gaan, volgens deze analyse. Deze tijdsduur is afhankelijk van de inzet die elke data scientist bereid is te investeren in Kaggle. Als je bijvoorbeeld tijd investeert in leren en verbeteren, kan het langer duren om de expert-badge te halen, maar als je vooral zo snel mogelijk zoveel mogelijk medailles wilt verdienen, kan het juist korter duren.

Het is meestal beter om tijd te investeren in echte vooruitgang en niet alleen in het verdienen van medailles. Als je je kennis en vaardigheden wilt verbeteren om door te groeien in je carrière, draait het om echte ervaring. 

Tips voor Kaggle-ranglijsten

Zoals eerder genoemd, zou je doel moeten zijn om Kaggle of DataCamp te gebruiken om je netwerk uit te breiden, je vaardigheden te verbeteren en zoveel mogelijk te leren.

Maar medailles verdienen is uiteraard ook waardevol, en omdat de voorwaarden voor medailles mede afhangen van veel upvotes, is het de moeite waard om het aantal upvotes te vergroten. De volgende tips helpen je om je medaille-aantal te verhogen:

• Vraag niet om upvotes. Als je moeite doet om nuttige informatie te bieden, komen de upvotes vanzelf. Sterker nog, om upvotes vragen kan averechts werken en levert je waarschijnlijk downvotes op.
• Je kunt meer upvotes krijgen als je auteurs crediteert. Gebruik die info wel selectief en alleen wanneer het echt waarde toevoegt aan de post, zodat je niet het risico loopt te spammen.
• Onthoud: focus uitsluitend op het verbeteren van je vaardigheden en de medailles volgen vanzelf.

 Kaggle-niveaus en -medailles zijn tastbare uitingen van je echte prestaties. Naarmate je vordert, zal het zien materialiseren van je successen je waarschijnlijk motiveren.

Conclusie

Meedoen aan Kaggle- of DataCamp-data science-wedstrijden is leuk en een van de hulpmiddelen om je te motiveren op je data science-reis. Hoewel er uitzonderlijke data scientists zijn die de prijzen van wedstrijden opnemen in hun inkomensmodellen, is het doel van de meeste data scientists om zoveel mogelijk van de wedstrijden te leren en echte ervaring op te doen. 

Het meest behulpzame element hierbij is de ambitie om je positie op de ranglijst te verbeteren. Met die ambitie kunnen data scientists de notebooks van anderen bekijken en verschillende codes en strategieën bestuderen. De suggesties die je na de wedstrijd voor je code krijgt, kun je zelfs zien als een vorm van gratis mentoring.

Voor een stapsgewijze walkthrough van hoe je een dataset analyseert voor een wedstrijd, bekijk onze Kaggle-wedstrijd-tutorial.