![](https://cdn-ak-scissors.b.st-hatena.com/image/square/7bae86fb8a757bb07836f7e9d9e251688027d99e/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-1150d8b18a7c15795b701a55ae908f94.png%3Fixlib%3Drb-1.2.2%26w%3D1200%26mark%3Dhttps%253A%252F%252Fqiita-user-contents.imgix.net%252F~text%253Fixlib%253Drb-1.2.2%2526w%253D840%2526h%253D380%2526txt%253DKaggle%2525E3%252581%2525AE%2525E3%252582%2525B3%2525E3%252583%2525B3%2525E3%252583%25259A%2525E3%252583%252586%2525E3%252582%2525A3%2525E3%252582%2525B7%2525E3%252583%2525A7%2525E3%252583%2525B3%2525E3%252583%2525AA%2525E3%252582%2525B9%2525E3%252583%252588%252528%2525E9%25259A%25258F%2525E6%252599%252582%2525E6%25259B%2525B4%2525E6%252596%2525B0%252529%2526txt-color%253D%252523333%2526txt-font%253DAvenir-Black%2526txt-size%253D54%2526txt-clip%253Dellipsis%2526txt-align%253Dcenter%25252Cmiddle%2526s%253De9938f77dd5a437229de19a1bbbc5dc4%26mark-align%3Dcenter%252Cmiddle%26blend%3Dhttps%253A%252F%252Fqiita-user-contents.imgix.net%252F~text%253Fixlib%253Drb-1.2.2%2526w%253D840%2526h%253D500%2526txt%253D%252540TomHortons%2526txt-color%253D%252523333%2526txt-font%253DAvenir-Black%2526txt-size%253D45%2526txt-align%253Dright%25252Cbottom%2526s%253D29167ddfa5dfa623b4bab02359e36bf3%26blend-align%3Dcenter%252Cmiddle%26blend-mode%3Dnormal%26s%3D36869b078896a21a729962713b2a299c)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Kaggleのコンペティションリスト(随時更新) - Qiita
記事へのコメント1件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Kaggleのコンペティションリスト(随時更新) - Qiita
1. はじめに データ解析には解析するターゲットごとにいくつかパターン↓があります。 データの型 eg. 画... 1. はじめに データ解析には解析するターゲットごとにいくつかパターン↓があります。 データの型 eg. 画像、言語、数値、時系列 学習用データの形態 eg. 単純な瞬時データ、ユーザーidに紐づいた過去の履歴、大量の欠損値 スコアリング指標 eg. Accuracy、Fn measure, Matthews correlation coefficient こういったパターンごとの、解析のファーストステップや細かいノウハウをkaggleで調べられれば良いなと思い、過去2年分のKaggleコンペをリスト化しました。(ひとまず元々のデータ形式別で分類しています) *1 コンペ自体は5年以上前から開催されていますが、「Kernels」へアップロードされているコードをすぐに見ることができるのはここ2年分のみとなります。人によってはGithubへ素晴らしいコードをアップし、Discussionでリン