为什么说入行机器学习最佳选择是Kaggle？

---

  新智元报道  

来源：Mediumh

编辑：元子

【新智元导读】实践出真知，实践也是获得知识和技能最快的方式。Kaggle的数据集和竞赛题，很多都来源于现实世界的真实问题，对于学习者来说是非常宝贵的资源。同时Kaggle也提供实践向的机器学习教程，避免了学习者产生”学了有什么用“的困惑。

Nityesh Agarwal是一名工科学生。一年多以前，他开始想要学习对机器学习。

但因为那时候很少有学校开始机器学习相关的课程（当然，现在开设这门课程的学校也不多），只能自己一个人一点点的摸索学习方法来。

然而时间到了2018年年底，这个问题依然存在。虽然今年机器学习特别火，但大多数想要进入机器学习这个领域的年轻人、开发者，还是不知道机器学习该如何下手。

现在普遍流行的说法是：要想学会机器学习，必先学会Python。

有趣的是，根据新智元一篇吐槽Python的文章里的投票显示，近40%的新智元读者表示不喜欢Python，这一结果让我十分意外。

Nityesh Agarwal也是先从学习Python编程开始的。但是现在，他越来越深入到这个领域后，他的思想开始转变了。

他认为从Kaggle开始，而不是从21天学会Python机器学习、从零开始掌握Python机器学习、手把手教你用Python打造第一个ML应用……更适合入门机器学习和数据科学。

或者说，至少他自己是这样的。

下面这篇文章，由Nityesh授权新智元编译发表。本文将告诉你为什么说Kaggle更适合新手，并一步一步的引导你入门。

你可能对Kaggle有一些误解

从Kaggle入手是什么意思呢？

你可能听说过Kaggle作为一个网站，为ML比赛颁发令人难以置信的现金奖励。下图👇

误解1：Kaggle是一个举办机器学习比赛的网站

很明显比赛并不是他们全部的价值所在，比赛只是Kaggle的一部分。

除了主办机器学习比赛，Kaggle还有以下3个非常重要的项目：

项目1：数据集

Kaggle包含9500多个数据集，简直就是我们学习ML的一座宝库。

项目2：内核

它只是一种非常有效和酷炫的共享代码方式，以及大量的可视化，输出和解释。

项目3：Learn

包含免费，实用的实践课程，涵盖快速入门所需的基础知识条件。而且一切都是使用上述Kaggle的内核完成的，这意味着您可以互动和学习，最快速的获得知识和技能。

误解2：只有专家（具有多年经验的博士或经验丰富的ML从业者）才能参加并赢得Kaggle比赛

一个高中的孩子成为了Kaggle的比赛老手。用他自己的话说，“我不知道算法背后的所有数学，但就实际使用算法而言，我认为对其运作方式有一个合理的了解更为重要。”

误解3：在参加Kaggle比赛之前，应该再做一些课程并学习先进的机器学习概念，这样才有更好的机会获胜

机器学习最重要的部分是探索性数据分析（或EDA）和特征工程，而不是模型拟合。 

许多Kaggle前辈认为，新手容易纠结于复杂的模型，而实际上很多简单的算法才是获胜的关键。

你为什么要用Kaggle？

理由1：准确了解入门必不可少的内容

关于Kaggle Learn的机器学习课程不会教你ML算法背后的理论和数学。 相反，它只关注分析和建模数据集时所需要用到的知识。

类似地，Kaggle的Python课程也不是为了让你成为Python的专家，知识确保你获得了足够的Python知识，以便继续下一步。

这样可以最大限度地减少您在被动学习中花费的时间，并确保您已准备好尽快应对有趣的挑战。

理由2：体现了从实践中学习的精神

有目标的去学习，或者说围绕一个完整项目去学习，见效是最快的。读书，跟学习，并不是一回事。

但完整的项目可不是那么好找的。而且一个也很难保证能够尽肯能多的运用到需要学习的只是。

而Kaggle拥有海量的数据集，就像是数据科学和ML项目创意的宝库。

围绕数据集和内核创作的教程，以及大量的讨论组，为初学者提供了非常便利的条件。

理由3：利用真实数据去解决真实问题=>真正动力

Kaggle竞赛题，来自真实公司遇到的实际问题。

所以，他们提供的数据集是真实的，所有奖金都是真实的。这意味着你有机会参与到实际问题的解决中。

你决定要从Kaggle开始了？

第1步，快速了解必要的基础知识

首先选择一种语言，Python或者R都可以。

然后，请前往Kaggle Learn快速了解该语言的基础知识，机器学习和数据可视化技术。

第2步，从一个有趣的赛题或数据集入手

我建议在开始时选择一个正在进行或者受欢迎的比赛，通过这种方式，你可以确保找到至少一些旨在帮助新手的公共内核。

记住，你的目标不是比赛本身，而是学习和提高您的机器学习和数据科学的知识。

如果你实在不知道选哪个，下图是一个供参考的方案。

第3步，探索公共内核

它们将帮助你了解该领域的一般工作流程，以及其他人为此竞赛所采取的特定方法。

通常，这些内核会透露一些你不知道的内容，所以当你遇到一个不熟悉的术语时，不要感到沮丧。

别忘了，你的目标就是来学习的。

第4步，开发自己的内核

第5步，了解你应该做什么，然后跳到第4步

在开发内容的过程中，你会越来越清楚自己哪个方面有所或缺，你就知道自己该做什么。然后跳到第4步去完成他，学习、实践、重复。

第6步，回到第3步分析并改进

这个时候你已经掌握了所需的知识，并且也有了非常好的实践经验，再回过头去分析别人的内核，肯定就会有一些不同的感受。

可能你能更深刻的体会别人这么做的目的，或者你也能分析出一个更好的实现方式。

那么恭喜你，你已经入门了！

番外

作者同时正在尝试创建一个社区：Build to Learn，是由Web开发人员，移动应用程序开发人员和ML工程师组成的社区。

在这里，大家可以分享项目想法，或对工具的渴望，并在其他成员的帮助下构建它们。 

不过新智元还是要提醒一下，请根据个人实际情况，理性判断。因为每个人的体质是不同的，不一定是别人的就适合自己。

同时建议大家收藏本文，时不时的拿出来看看，了解自己进展到哪一个阶段。还是那句话：贵在坚持，跪在坚持。

如果你觉得文章非常有价值，别忘了分享给你的好基友，一起成长。

相信你在学习ML和DS过程中，一定也遇到过很多问题。我们非常欢迎在后台留下你的问题，我们会挑出高质量的问题转达给作者。

如果你有不同意见，我们更加欢迎！

原文链接：

https://towardsdatascience.com/use-kaggle-to-start-and-guide-your-ml-data-science-journey-f09154baba35

---

【加入社群】

新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术 + 产业落地感兴趣的同学，加小助手微信号：aiera2015_2  入群；通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 - 公司 - 职位；专业群审核较严，敬请谅解）。