KAGGLEでどこから手を付けていいか分からず学ぶことが多すぎてまとめてみた - Qiita
上記の方々の推奨本 2票（naotaka1128、カレーちゃん）[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear) 1票（naotaka1128）PythonとKerasによるディープラーニング 1票（naotaka1128）scikit-learnとTensorFlowによる実践機械学習 1票（mlm_kansai）機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践 (オライリー・ジャパン) 記事の概要 Kaggle参戦記 〜入門からExpert獲得までの半年間の記録 & お役立ち資料まとめ〜 *1) 特徴量エンジニアリング 次元削減系 LDA、PCA、tSNE Kaggle TalkingData Fraud Detection コンペの解法まとめ(基本編) 「カテゴリー変数を組み合わ
世界最大規模の機械学習コンペティション「Kaggle」に熱中する「Kaggler」と呼ばれる人々とは【デブサミ2018 夏】
データサイエンスやAIの分野において必要なスキルを有しているかどうかを判別するひとつの指針として、機械学習コンペでの実績が挙げられます。その中で最も有名なプラットフォームとなる「Kaggle（カグル）」およびそのKaggleで行われているコンペに参加するデータサイエンティスト、いわゆる「Kaggler（カグラー）」と呼ばれる人々が今注目を浴びています。「Developers Summit 2018 Summer」で行われた株式会社ディー・エヌ・エー 原田慧氏のセッションでは、そんなKaggleおよびKagglerの詳細を聞くことができました。本記事ではその模様をレポートします。 講演資料：Kaggleで描く成長戦略～個人編・組織編～ Kaggleとは 数理学博士からデータ分析コンサル会社を経て、DeNAに2018年02月に入社した原田氏。現在ではDeNAのデータサイエンスチームのリーダーを
/ - Kaggler-ja Wiki
GROWI 4.2.5 -/ Shortcuts × Global shortcuts Open/Close shortcut help: + / Create Page: C Edit Page: E Show Contributors: Konami Code ↑ ↑ ↓ ↓ ← → ← → B A Mirror Mode: Konami Code X X B B A Y A Y ↓ ← Editor shortcuts Indent: Tab Outdent: Shift + Tab Save Page: + S Delete Line: + D Comment Form shortcuts Post: + Delete Line: + D
Kaggleで使えるpandasテクニック集 - 天色グラフィティ
PythonでKaggleなどのデータ分析を行う際、pandasでゴリゴリ作業をすることが多いかと思います。 最近知って「めっちゃ便利やん！」ってなったものをまとめておきたいと思います。 全部の関数にドキュメントへのリンクを付けたので参考にしてください。 今回も検証にはTitanicのデータセットを用います。また、文中でのdf.hoge()はpandasのDataFrameのメソッドであることを、pd.hoge()はpandasの関数であることを表します。 df = read_csv('input/train.csv', index_col=0) print(df.shape) df.head() 最低限押さえておきたいやつら まずはここから。 10 Minutes to pandas よく使うやつら。詳しい解説は省略するので、ドキュメントのリンク先を見てください。 関数 内容 リンク d
Kaggle CIFAR-10の話 - デー
以前、Kaggle CIFAR-10 に参加していると書きましたが、これが2週間ほど前に終わりました。コンペはまだ Validating Final Results の状態なのですが、2週間たっても終わらず、いつ終わるのか謎なのと、多分結果は変わらないと思うので先に書きます。 CIFAR-10は、次のような32x32の小さな画像にネコ、犬、鳥など10種類の物体が写っているので、与えられた画像に何が写っているか当てる問題です。 （Kaggle CIFAR-10のデータセットは、通常のCIFAR-10と結果の互換性がありますが、チート防止に画像のハッシュ値が変わるように改変されているのと、テストセットに29万枚のジャンクイメージが含まれています。） 自分の結果は、0.9415 (正解率94.15%)で、Classification datasets results によると、state-of-
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
TensorFlow Speech Recognition Challenge | Kaggle
