為什麼選這個主題?

學習來源是 coursera 的一群年輕人在前 top 1 kaggler Alexander Djakonov 教導 ML 跟 kaggle 秘訣, 這群年輕人起初是幾個人每週互相分享解題心得, 到最後變成超過50人的每週主題式分享, 每個人各有專長跟興趣, 但成為團體後組隊參加 kaggle 競賽, 大家越來越厲害, 也闖出名氣.
喜歡解題＋自學資源, 因此我會跟著 coursera 這個課程四週課程來努力完成 30天競賽.

課程來源

How to Win a Data Science Competition: Learn from Top Kagglers | National Research University Higher School of Economics by cousera

week 1 :

1. 介紹 kaggle 競賽及比較真實世界(產業)差異;
2. feature 處理及新增 feature

week 2 :

1. EDA - 競賽的第一件事是 EDA, 包括有哪些方法理解 data, 發掘未知的 feature跟清理資料, 探討視覺化, 時程等
2. validation - split test/train data
3. data leakage & leader board

week 3 :

1. metrics - regession 跟 classification 不同的 metrics, 在training 跟之後的優化
2. mean-encodings - 定義 mean-encoding 並且運用在 encoded features 上, 包括 (1) categorical features. (2) balance overfitting with regulaization. (3) 把 mean-encoding 實作在 numeric features 跟 time series

week 4 :

1. 進階 features : "metrics factoeizations, feature interactions, t-SNE" 是比賽脫穎而出的關鍵, 包含統計跟 distance-based features.
2. hyperparameters optimization, tune model 的知識/實務
3. ensembles - 以 simple linear ensemble 為始, 然後運用 bagging 跟 boosting 等演算法
4. coursera 還有 week 5, 會盡量把 winning solution 包進 week 4, 不確定能否完成 week 5 的 final project