[ 30 Days of ML Challenge | D02]

今天提供兩個文件，一個就是帶你熟悉 Kaggle 的各種特徵，另一個就是讓你操作一次 Kaggle notebook 的功能。
那透過今天的教材，可以熟習在 Kaggle 上面的操作，
而 Kaggle 會將投入 Kaggle 的程度與經驗，轉換成不同的稱號。
今天操作學習完後，稱號就可以從新手(Novice)，變成產出者(Contributor)。

• 投入 Kaggle 以及貢獻程度對應的身分等級: Novice / Contributor / Expert / Master / Grandmaster
• Kaggle Progression System，看看達到不同等級需要怎樣的條件。

--

在 Kaggle Notebook 上，則以經典的 titanic 作為練習，內容涵蓋

• 加入比賽的方法
• kaggle notebook 所使用的 python image
  • Kaggle/docker-python: Kaggle Python docker image
  • kaggle/python - Docker Image | Docker Hub
• 使用 notebook
  • 讀取比賽資料
  • 自己資料可存放的位置
• 簡單介紹隨機森林，並做出一個簡單的模型做預測
• 儲存 noteebook version，並將預測結果 submit
• 觀看自己在 leaderboard 上面的位置
• 針對公開的 notebook 留下頻論、按讚

--

Bonus

• 如何分享 notebook: 就點擊右上角的 share 即可。可以幫自己的這些 work，增加 tag collection。
• kaggle 的 Rstats kernel imahe
  • Kaggle/docker-rstats: Kaggle R docker image
  • kaggle/rstats - Docker Image | Docker Hub

--

resource

official:

• Getting Started with Kaggle
• Titanic Tutorial | Kaggle，主要就是照這個做一次。來源是 Getting Started with Kaggle

Discord channel share:

• Titanic Survivals Project | Kaggle，推薦的 notebook 閱讀。

END