La respuesta corta es que probablemente ayude a su aplicación científica de datos de nivel de entrada a mostrar su perfil de Kaggle en su CV (si tiene un 10% / 25% de finalización en las competiciones de Kaggle), pero no será de mucha utilidad si ya está un experimentado científico de datos con experiencia en ciencia de datos del mundo real (probablemente de todos modos no lo necesitará).
Kaggle le brinda cierta exposición a la ingeniería de características, validación cruzada, búsqueda de cuadrícula, construcción de modelos y construcción de conjuntos. Sin embargo, otras partes importantes de la tubería de la ciencia de datos, como la recopilación de datos y etiquetas, la exploración inicial de datos, la limpieza de datos, la división de pruebas de trenes, la definición o ingeniería de etiquetas o variables dependientes, la selección métrica, la validación formal del modelo, la narración de datos, la visualización de datos, etc. en su mayoría ya manejados por los hosts del conjunto de datos o innecesarios para Kaggle.
Para obtener más detalles sobre mi propia experiencia, consulte:
- ¿Cómo es el mercado laboral en Canadá para los estudiantes de MS en CS y Data Science?
- Cómo planificar un autoestudio de ciencia de datos
- ¿Será demasiado tarde para hacer una maestría en informática especializada en inteligencia artificial y ciencia de datos a partir de 2018 otoño?
- ¿Cómo se ve la arquitectura de datos de una red publicitaria?
- ¿Qué está impulsando la prisa de la industria financiera para adoptar Big Data?
La respuesta de Vijay Sathish a ¿A los reclutadores realmente les importan los logros de Kaggle o los cursos completados con éxito en Coursera?
La respuesta de Vijay Sathish a ¿Debería comenzar como analista de datos o ingeniero de software para convertirme en científico de datos?
