Um "Kaggle Notebook" é um servidor de jupyter notebook gratuito que pode usar GPU. Assim como os notebooks do DataCamp Workspace, ele permite executar operações de machine learning em computadores na nuvem em vez de no seu próprio computador. Sempre que você cria um Kaggle Notebook, pode editar e rodar seu conteúdo direto no navegador. Não é preciso configurar um ambiente de jupyter notebook local: basta entrar no Kaggle, criar um notebook e começar a usar no navegador. Você vê os notebooks que já criou na página do Kaggle Notebook e também pode explorar notebooks de outras pessoas.
Para criar um Notebook, clique em "New Notebook" depois de acessar a página Kaggle Code (Figura 3.1). Depois disso, recursos em nuvem serão alocados para você e um notebook será criado na hora. Você pode dar um nome ao seu notebook clicando no texto do notebook no canto superior esquerdo. Logo de cara, dá para notar que muitas opções e recursos do jupyter notebook também estão disponíveis aqui.
As dúvidas mais comuns sobre Kaggle Notebooks são como compartilhar um notebook publicamente, como adicionar outra pessoa como colaboradora, como importar um dataset para o notebook e como usar a GPU. Você encontra os botões para cada uma dessas ações na Figura 3.2.
Primeiro, você precisa publicar uma versão do seu Notebook para torná-lo público. Crie uma nova versão clicando no botão "Save Version" no canto superior direito. Em seguida, torne seu notebook acessível a todos clicando no botão "Share" à esquerda desse botão, ou adicione outras pessoas como colaboradoras pelo mesmo menu. Para importar um dataset, clique em "Add data" logo abaixo de "Save Version" no menu da direita e selecione o dataset que deseja adicionar. Para ativar a GPU, selecione a opção de GPU na seção de acelerador no menu da direita. O tempo máximo de GPU disponível no Kaggle é de 30 horas por semana.
Todos os outros recursos dos notebooks estão detalhados na documentação do Kaggle.
KAGGLE DATASETS
O QUE SÃO KAGGLE DATASETS?
O Kaggle é uma plataforma de data science, mas também oferece gerenciamento de datasets. O "Kaggle Datasets" permite criar seus próprios datasets, compartilhá-los com outras pessoas e importá-los facilmente para seus notebooks. Além disso, você pode adicionar datasets privados, visíveis apenas para você.
O que torna esse recurso um dos mais importantes do Kaggle é o acesso a uma grande variedade de datasets de alta qualidade compartilhados por outros usuários. Com algumas buscas e filtros, você encontra com facilidade os datasets de que precisa.
FILTROS DE BUSCA DE DATASETS
Para buscar um dataset, escreva suas palavras-chave no campo de pesquisa, como mostrado na Figura 4.1. Aqui vemos que é possível acessar vários datasets sobre a pandemia apenas digitando "Covid" na barra de busca.
Se você clicar em "Filters" no lado direito da barra de busca, mais opções de filtragem serão exibidas (Figura 4.2). Com elas, você pode refinar sua pesquisa inserindo tags do dataset, tipo de arquivo e outros valores, como o tamanho mínimo ou máximo do dataset (Figura 4.3).
O Kaggle permite baixar qualquer dataset gratuitamente, mas, dependendo do uso, é importante prestar atenção ao tipo de licença do dataset. Em alguns casos, pode ser necessário obter permissões adicionais dos proprietários caso você queira usar um dataset em um artigo acadêmico ou com finalidade comercial, por exemplo.
Há três tipos principais de licença no Kaggle:
- Creative Commons: existem vários tipos de licenças Creative Commons:
- CC0, que equivale a domínio público e significa que o dataset está disponível para todos em qualquer circunstância.
- CC-BY, que exige que o usuário credite o proprietário do dataset.
- CC-BY-SA, que também exige crédito ao proprietário e adiciona a condição de manter o mesmo tipo de licença mesmo após modificações.
- GPL: esta licença basicamente oferece quatro possibilidades principais de uso:
- Primeiro, você tem uso irrestrito do dataset.
- Você também pode examinar como o dataset funciona e modificá-lo.
- Além disso, é permitido distribuir cópias do dataset sem limitações.
- E, por fim, você pode distribuir a versão modificada do dataset.
- Open Database: permite compartilhar, modificar e usar o dataset, mas torna obrigatório aplicar o mesmo tipo de licença ao dataset modificado.
DATA EXPLORER
A seção Data Explorer permite navegar rapidamente pelo conteúdo e pela estrutura dos datasets. Ela oferece uma visão geral dos arquivos e das colunas dos dados, além de histogramas dessas colunas (Figura 4.4).
DATASETS PARA INICIANTES
Os datasets a seguir são leves e divertidos para quem está começando. Você pode carregá-los nos seus notebooks e colocar a mão na massa visualizando os dados. Assim que tiver uma ideia, dá até para criar modelos de machine learning com alguns desses datasets.
- Digimon Database: um banco de dados de Digimon e seus golpes do jogo Digimon Story CyberSleuth.
- Animal Bites: dados de mais de 9.000 mordidas, incluindo testes de raiva.
- 80 Cereals: informações nutricionais de 80 cereais matinais.
- Women's Shoe Prices: lista com 10.000 modelos de sapatos femininos e seus preços de venda.
- Groundhog Day Forecasts and Temperatures: quão precisas são as previsões de inverno do Punxsutawney Phil?
DATASETS PERSONALIZADOS
Você também pode enviar e usar seus próprios datasets no Kaggle. Esse recurso é útil quando você já tem um dataset ou quando modificou um dataset e quer utilizá-lo no seu notebook. Para enviar um dataset, primeiro compacte seu arquivo principal (zip). Depois, clique em "New Dataset" na seção Datasets. Dê um nome ao seu dataset e faça o upload do arquivo zip (Figura 4.5).
Pronto. Agora você pode carregar o dataset enviado para o seu notebook e começar a usar, como mostrado na seção 2. Se quiser manter o dataset privado, verifique se o rótulo no canto inferior direito da tela de upload está como "Private". Se não quiser que seja privado, clique no rótulo e altere para "Public".
