Chapitre 0 : Expérimentez des techniques pratiques sur Kaggle !

0.1 Plongeons dans le monde de Kaggle !
__0.1.1 Que pouvons-nous apprendre des données et de leur analyse ?
__0.1.2 Kaggle : Une plateforme de compétition d'analyse de données utilisée dans le monde entier.
__0.1.3 Comment utiliser ce livre

Chapitre 1 : Qu'est-ce que Kaggle ?

1.1 Une plateforme où les data scientists du monde entier se font concurrence
1.2 Médailles et classements Kaggle
1.3 Flux de participation aux compétitions Kaggle
1.4 Types de concours
1.5 Communauté Kaggle

Chapitre 2 : Procédures d’analyse des données et création d’un environnement d’analyse des données

2.1 Séquence et aperçu de l'analyse des données
2.2 Environnement d'analyse des données
__2.2.1 Environnement d'analyse de données utilisant Python
2.2.2 Environnement d'analyse des données en local ou dans le cloud
2.3 Environnement interactif d'analyse de données utilisant Jupyter Notebook
__2.3.1 Création d'un environnement d'analyse de données sur un ordinateur local
2.4 Utilisation de l'environnement virtuel d'Anaconda (Windows)
2.5 Utilisation de l'environnement pyenv (Mac)
2.6 Utilisation des outils d'analyse Kaggle

Chapitre 3 Défi de compétition Kaggle 1 : Prédiction des survivants du Titanic

3.1 Analyse de données réelles avec Kaggle
3.2 Concours de prédiction des survivants du Titanic
3.3 Téléchargement des données
3.4 Préparation de l'analyse des données
3.4.1 [Étape 1] Préparation de l'environnement d'analyse des données
__3.4.2 [Étape 2] Création d'un nouveau fichier
__3.4.3 [Étape 3] Vérifier la structure du répertoire
__3.4.4 [Étape 4] Installation et importation des bibliothèques
__3.4.5 [Étape 5] Lecture des données
__3.4.6 [Étape 6] Définition de la graine aléatoire
3.5 Aperçu des données
3.6 Visualisation des données
3.6.1 Visualisation des données relatives à la variable cible
3.7 Prétraitement des données et génération de valeurs caractéristiques
3.8 Modélisation de l'apprentissage automatique
3.8.1 Vérification de la précision des prédictions à l'aide de données de validation
3.8.2 Apprentissage par validation croisée
3.9 Soumettre vos résultats à Kaggle
3.10 Analyses diverses autres que la précision
__3.10.1 Analyse supplémentaire ① : Qui était à bord du Titanic ?
3.10.2 Analyse complémentaire 2 : Focus sur des groupes spécifiques

Chapitre 4 Défi de compétition Kaggle 2 : Prédiction du prix des maisons

4.1 Analyse des données plus détaillée
4.2 Qu'est-ce que le concours de prédiction des prix des maisons ?
4.3 Téléchargement des données
4.4 Création d'une base de référence pour les indicateurs de performance
4.4.1 Prédiction avec LightGBM
4.4.2 Entraînement et prédiction du modèle par validation croisée
4.4.3 Vérifier l'importance de chaque variable
4.5 Prétraitement des variables cibles : vérification de la distribution des variables cibles
4.5.1 Vérification de la distribution des données SalePrice
4.6 Prétraitement des variables explicatives : vérification des valeurs manquantes
4.6.1 Vérification des valeurs manquantes pour chaque variable explicative
4.7 Exclusion des valeurs aberrantes
__4.7.1 Qu'est-ce qu'une valeur aberrante ?
4.7.2 Vérifier la distribution des données de chaque variable explicative
4.8 Identification des variables explicatives : génération des valeurs des caractéristiques
4.9 Optimisation des hyperparamètres
__4.9.1 Implémentation d'Optuna
4.9.2 Soumission des résultats à Kaggle
4.10 Ensemble utilisant diverses méthodes d'apprentissage automatique
4.10.1 Entraînement avec Random Forest
4.10.2 Suppression des valeurs manquantes dans LotFrontage
4.10.3 Entraînement avec XGBoost
4.10.4 Combinaison des résultats de XGBoost et LightGBM
4.11 Analyse complémentaire ① : Analyse de regroupement à l’aide de techniques statistiques
4.11.1 Classification des maisons à l'aide de techniques statistiques
4.11.2 Analyse en composantes principales
4.12 Analyse complémentaire 2 : Analyse et visualisation des conditions du logement de luxe
4.12.1 Visualisation à l'aide d'un arbre de décision

Chapitre 5 : Conseils pour améliorer ses nouvelles compétences en science des données

5.1 Entretien exclusif avec un maître Kaggle
5.2 Carnets de notes de démarrage recommandés par Kaggle
__5.2.1 Concours de prédiction des ventes
__5.2.2 Prédiction du classement final de PUBG (Noyau uniquement) Concours
__5.2.3 Concours IEEE-CIS de détection de fraude
5.3 Procédure d'analyse de la plateforme d'IA de GCP
5.3.1 À propos de la plateforme d'IA de GCP
5.3.2 Utilisation de GCP
5.3.3 Téléchargement des données vers GCP
5.3.4 Utilisation de la plateforme d'IA de GCP
5.3.5 Utilisation des données de stockage sur la plateforme d'IA de GCP
__5.3.6 Ajout d'une nouvelle bibliothèque
__5.3.7 Cessez d'utiliser l'instance

Annexe A : Devenir un Kaggle Master : La vie d’un Kaggler à temps plein et les 3 meilleures solutions de prédiction des séismes
A.1 Présentation personnelle
A.2 Un an et demi en tant que Kaggler à temps plein
__A.2.1 Pourquoi je suis devenu Kaggler à temps plein
__A.2.2 Un an après être devenu Kaggler à temps plein
__A.2.3 Six mois pour viser le titre de Grand Maître Kaggle
__A.2.4 Réflexions sur une année et demie en tant que Kaggler à temps plein
Solution de la 3e place pour la prédiction des séismes du LANL (A.3)
__A.3.1 Aperçu du concours
__A.3.2 Données d'entraînement
__A.3.3 Données de test
__A.3.4 Méthodes d'apprentissage
Clé du premier prix __A.3.5
__A.3.6 Sondage du classement
__A.3.7 Modifications de la note
__A.3.8 Meilleur modèle du classement public
__A.3.9 Papier hôte
__A.3.10 Les données utilisées dans l'article et les données de la compétition sont-elles les mêmes ?
__A.3.11 Combiner les informations du document de l'organisateur avec les informations de sondage du classement

Annexe B : Entretien avec un grand maître Kaggle coréen : Lee Yu-han
B.1 Introduction à l'entretien
B.2 Contenu de l'entretien

Comment participer avec succès à Kaggle, le concours mondial de référence en analyse de données, en utilisant Python !

Ce guide couvre tout ce dont vous avez besoin pour débuter avec Kaggle !

Kaggle est une plateforme mondiale de compétition d'analyse de données qui offre aux utilisateurs un espace pour mesurer et améliorer leurs compétences en analyse de données, ainsi qu'une communauté pour la discussion et le partage de code.
Ce livre explique ce qu'est Kaggle, les différents types de compétitions Kaggle, les médailles et les niveaux, et comment participer aux compétitions.
De plus, avant de participer au concours, renseignez-vous sur l'ordre dans lequel l'analyse des données sera effectuée et créez un environnement adapté à cette analyse.
Nous expliquons les procédures de base des compétitions Kaggle et les connaissances requises pour l'analyse des données afin que même les débutants puissent participer à la compétition.

Apprenez le processus d'analyse de données en résolvant des défis de compétition !

Participez aux compétitions phares de tutoriels pour débutants de Kaggle afin de construire étape par étape des modèles très précis, et même d'appliquer différentes méthodes aux mêmes données pour aborder les problèmes.
Vous pouvez apprendre l'analyse de données et l'apprentissage automatique de manière concrète en résolvant de véritables défis de compétition.
De plus, ce processus vous permet d'acquérir des compétences en analyse de données applicables à votre travail ou de jeter les bases pour viser les sommets du classement Kaggle.

Découvrons ensemble les choses qui vous ont toujours intrigué grâce aux expériences des Kaggle Masters et des Grandmasters !

Nous avons inclus les expériences de deux Kaggle Masters japonais et d'un Kaggle Grandmaster chinois.
Cet article vous guidera tout au long de votre parcours pour devenir Kaggle Master/Grandmaster, en expliquant comment vous avez débuté sur Kaggle, comment vous avez étudié pour devenir Kaggle Master/Grandmaster et comment vous pouvez intégrer Kaggle à votre travail.
À travers leurs expériences marquantes, découvrons des réponses à vos questions sur Kaggle et apprenons-en davantage sur divers conseils.