"Kaggle Notebook" là một máy chủ jupyter notebook miễn phí có thể tích hợp GPU. Tương tự như sổ tay DataCamp Workspace, nó cho phép bạn thực hiện các tác vụ máy học trên máy chủ đám mây thay vì trên máy tính cá nhân. Mỗi lần bạn tạo một Kaggle Notebook, bạn có thể chỉnh sửa và chạy nội dung của nó ngay trên trình duyệt. Bạn không cần tự thiết lập môi trường jupyter notebook; chỉ cần vào Kaggle, tạo một notebook và bắt đầu sử dụng trên trình duyệt. Bạn có thể xem các notebook đã tạo trước đó trên trang Kaggle Notebook và cũng có thể xem notebook của người khác.
Để tạo một Notebook, nhấp vào "New Notebook" sau khi bạn điều hướng đến trang Kaggle Code (Hình 3.1). Sau bước này, tài nguyên đám mây sẽ được cấp phát cho bạn và một notebook được tạo ngay lập tức. Bạn có thể đặt tên cho notebook bằng cách nhấp vào phần văn bản tên notebook ở góc trên bên trái. Nhìn sơ qua, bạn sẽ thấy nhiều tùy chọn và tính năng có trong jupyter notebook cũng có sẵn tại đây.
Những câu hỏi thường gặp nhất về Kaggle Notebooks là cách chia sẻ notebook công khai, cách thêm người khác làm cộng tác viên, cách nhập một tập dữ liệu vào notebook và cách sử dụng GPU. Bạn có thể thấy các nút cần thiết để thực hiện từng thao tác này trong Hình 3.2.
Trước hết, bạn phải commit một phiên bản của Notebook để biến nó thành công khai. Bạn có thể tạo một phiên bản mới của Notebook bằng cách nhấp vào nút "Save Version" ở góc trên bên phải. Sau đó, bạn có thể cho phép mọi người truy cập notebook bằng cách nhấp vào nút "Share" ở bên trái nút này, hoặc thêm người khác làm cộng tác viên bằng cùng menu đó. Để nhập một tập dữ liệu, chỉ cần nhấp vào nút "Add data" bên dưới nút "Save Version" trên menu bên phải và chọn tập dữ liệu bạn muốn thêm. Để kích hoạt GPU, bạn cần chọn tùy chọn GPU từ phần accelerator trong menu bên phải. Thời gian GPU tối đa bạn có thể dùng trên Kaggle là 30 giờ mỗi tuần.
Tất cả các tính năng khác của notebook được giải thích chi tiết trong tài liệu Kaggle.
KAGGLE DATASETS
KAGGLE DATASETS LÀ GÌ?
Kaggle là một nền tảng khoa học dữ liệu nhưng cũng hỗ trợ xử lý tập dữ liệu. "Kaggle Datasets" cho phép bạn tạo tập dữ liệu tùy chỉnh của riêng mình, chia sẻ với người khác và dễ dàng nhập vào notebook. Ngoài ra, bạn có thể thêm các tập dữ liệu riêng tư chỉ mình bạn nhìn thấy.
Điểm khiến tính năng này trở thành một trong những quan trọng nhất trên Kaggle là nó cho bạn quyền truy cập vào rất nhiều tập dữ liệu chất lượng cao do người dùng khác chia sẻ. Bạn có thể dễ dàng tìm thấy tập dữ liệu mong muốn chỉ với vài thao tác tìm kiếm và lọc.
BỘ LỌC TÌM KIẾM TẬP DỮ LIỆU
Để tìm kiếm một tập dữ liệu, hãy nhập từ khóa vào ô tìm kiếm như minh họa trong Hình 4.1. Ở đây bạn có thể thấy chúng ta có thể truy cập một số tập dữ liệu về đại dịch chỉ bằng cách gõ "Covid" vào thanh tìm kiếm.
Nếu bạn nhấp vào "Filters" ở bên phải thanh tìm kiếm, nhiều tùy chọn lọc hơn sẽ xuất hiện (Hình 4.2). Với các tùy chọn này, bạn có thể thu hẹp phạm vi tìm kiếm bằng cách nhập thẻ (tag) của tập dữ liệu, loại tệp, và các giá trị khác như kích thước tối thiểu hoặc tối đa của tập dữ liệu (Hình 4.3).
Kaggle cho phép bạn tải xuống bất kỳ tập dữ liệu nào miễn phí, nhưng tùy vào mục đích sử dụng, bạn có thể cần chú ý đến loại giấy phép của tập dữ liệu. Trong một số trường hợp, bạn có thể cần xin thêm quyền từ chủ sở hữu nếu muốn dùng tập dữ liệu cho bài báo học thuật hoặc cho mục đích thương mại, chẳng hạn.
Có ba loại giấy phép chính trên Kaggle:
- Creative Commons: Có một số loại giấy phép Creative Commons:
- CC0, tức phạm vi công cộng, nghĩa là tập dữ liệu sẵn có cho mọi người trong mọi hoàn cảnh.
- CC-BY, yêu cầu người dùng tập dữ liệu phải ghi công chủ sở hữu.
- CC-BY-SA, cũng yêu cầu ghi công chủ sở hữu và bổ sung điều kiện tập dữ liệu phải giữ cùng loại giấy phép ngay cả sau khi được sửa đổi.
- GPL: Giấy phép này về cơ bản cung cấp bốn quyền sử dụng chính:
- Thứ nhất, bạn được sử dụng tập dữ liệu không giới hạn.
- Bạn cũng có thể xem xét cách tập dữ liệu hoạt động và sửa đổi nó.
- Ngoài ra, bạn có quyền phân phối bản sao của tập dữ liệu không giới hạn.
- Và cuối cùng, bạn có thể phân phối phiên bản đã sửa đổi của tập dữ liệu.
- Open Database: Cho phép người dùng chia sẻ, sửa đổi và sử dụng tập dữ liệu, nhưng bắt buộc phải áp dụng cùng loại giấy phép cho tập dữ liệu đã sửa đổi.
DATA EXPLORER
Mục Data Explorer cho phép bạn duyệt nhanh nội dung và cấu trúc của các tập dữ liệu. Nó cung cấp cái nhìn tổng quan về các tệp và các cột trong dữ liệu, cũng như biểu đồ histogram của chúng (Hình 4.4).
TẬP DỮ LIỆU CHO NGƯỜI MỚI BẮT ĐẦU
Các tập dữ liệu sau đây thú vị và dễ thực hành cho người mới. Bạn có thể nạp chúng vào notebook và bắt đầu "lấm tay" bằng cách trực quan hóa dữ liệu. Khi có ý tưởng, bạn thậm chí có thể xây dựng mô hình máy học với một số tập dữ liệu này.
- Digimon Database: Cơ sở dữ liệu về Digimon và các chiêu thức của chúng từ Digimon Story CyberSleuth.
- Animal Bites: Dữ liệu về hơn 9.000 trường hợp bị động vật cắn, bao gồm xét nghiệm bệnh dại.
- 80 Cereals: Dữ liệu dinh dưỡng của 80 sản phẩm ngũ cốc ăn sáng.
- Women's Shoe Prices: Danh sách 10.000 đôi giày nữ và mức giá bán.
- Groundhog Day Forecasts and Temperatures: Dự báo thời tiết mùa đông của Punxsutawney Phil chính xác đến đâu?
TẬP DỮ LIỆU TÙY CHỈNH
Bạn cũng có thể tải lên và sử dụng tập dữ liệu của riêng mình trên Kaggle. Tính năng này rất hữu ích khi bạn có tập dữ liệu riêng hoặc khi bạn đã chỉnh sửa một tập dữ liệu và muốn dùng nó trong notebook. Để tải lên tập dữ liệu, trước tiên bạn cần nén (zip) tệp dữ liệu chính. Sau đó nhấp vào "New Dataset" trong phần Datasets. Đặt tên cho tập dữ liệu và tải lên tệp zip của bạn (Hình 4.5).
Vậy là xong. Giờ bạn có thể nạp tập dữ liệu đã tải lên vào notebook và bắt đầu sử dụng, như minh họa ở mục 2. Nếu bạn muốn giữ tập dữ liệu ở chế độ riêng tư, hãy đảm bảo nhãn ở góc dưới bên phải của màn hình tải lên hiển thị "Private". Nếu không muốn để riêng tư, bạn có thể nhấp vào nhãn và đổi thành "Public".
