kaggle 学习资料,kaggle learn

大家好，今天小编关注到一个比较有意思的话题，就是关于kaggle 学习资料的问题，于是小编就整理了3个相关介绍kaggle 学习资料的解答，让我们一起看看吧。

1. 学习人工智能需要学习那些知识？
2. 在Kaggle比赛中获得好成绩甚至拿到奖金的data scientist都经历了什么？
3. kaggle命名来源？

学习人工智能需要学习那些知识？

pdf版思维导图，后台回复：指南

Python——书

之前跟出版社合作，书柜里积攒了很多Python相关的书，这里推荐三本最有价值的吧。

• 《流畅的Python》，很厚，比较全面，可以作为工具书常常翻看。

人工智能其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。对于人工智能在编程方面需要多深的要求。无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++MATLAB应该多学习点。

根据你现在的情况你现在可以看看下载这个资料看看：

人工智能基础课：***s://***.jiaozi.top/posts/10794

学人工智能，需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。

需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。

需要掌握至少一门编程语言：毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。

人工智能门槛比较高，需要积累，如果你有这方面的天赋，可以去尝试。

在Kaggle比赛中获得好成绩甚至拿到奖金的data scientist都经历了什么？

没拿过奖金，但拿过比较好的排名。基本不做深度学习相关的问题，比如cv类，那种太累了。

***设两个月的比赛。前一个月一般象征性的随便试试模型，看看kernels别人是怎么做的，翻翻和题目相关的paper，然后实践一下，一般不是特别认真的做，提交机会可能都用不完一天。

后面一个月就开始认真做了，现在的kaggle模型其实就那么几个，主要靠的是数据清洗，这个主要靠灵性和人力投入了，因为特征清洗是个特别***的事情，大部分模型的好坏只能靠试。

后面就是模型融合了，然后再听天由命。

简单的来说，正儿八经坚持最后一两周认真做的话，拿个好名次是很简单的，拿钱的话就需要充满灵性的特征清洗了。

kaggle命名来源？

Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆（Anthony Goldbloom）2010年在墨尔本创立的，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台

Kaggle的命名来源有两个。首先，它的名字来自于“Kernel”的缩写，这是一个指代数据科学中的核方法（Kernel Method）的术语。核方法是一种在非线性可分数据上应用线性分类器的方法，通过将原始数据经过某种形式的变换后，在特征空间找到一个线性分类器进行分类。

其次，Kaggle的命名灵感还来自于日本的一个传统游戏——将棋（Kaggle，发音为“卡格”）。这个游戏在日本非常流行，Kaggle的创始人认为这个游戏的名称“Kag”和“gle”（Google的缩写）结合在一起，形成了一个有趣且易于记忆的名字。

到此，以上就是小编对于kaggle 学习资料的问题就介绍到这了，希望介绍关于kaggle 学习资料的3点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.lnbtw.com/post/49266.html