Lo mejor de Kaggle es que tiene algo para todos. Para alguien que recién comienza, tiene las competencias de iniciación, por el tipo curioso que organiza competencias de investigación sobre una amplia variedad de temas que varían desde sistemas de recomendación hasta neurociencia computacional, y para profesionales experimentados existen las competencias maestras de entrada privada.
Si está buscando comenzar y tiene cero experiencia trabajando con datos, Titanic: Machine Learning from Disaster sería un lugar ideal para calentarse. La competencia es simple, fácil de entender y presenta una serie de tutoriales para ayudar a los participantes.
Por ejemplo, mire el siguiente enlace: http://www.kaggle.com/c/titanic-…
Este es un tutorial muy bien escrito para comenzar con R y el aprendizaje automático. Comienza desde lo básico y te lleva a Bosques Aleatorios.
- ¿Cuáles son algunas de las limitaciones o inconvenientes de las redes neuronales convolucionales?
- ¿Cómo podemos estimar múltiples parámetros de un clasificador?
- ¿Cómo puede Machine Learning ayudar a un desarrollador de Android?
- ¿Cuáles son los mejores algoritmos para el conjunto de datos de preservación de la privacidad?
- ¿Hay algún instituto que ofrezca aprendizaje automático?
En caso de que quieras comenzar con Python, mira este tutorial: http://www.kaggle.com/c/titanic-…
Una vez que obtenga un poco de impulso, vale la pena pasar un tiempo leyendo sobre las soluciones de las competiciones anteriores, que se pueden encontrar aquí:
Soluciones pasadas | Kaggle
He sido un entusiasta de Kaggle durante algún tiempo y me doy cuenta de que aprendes mucho leyendo los foros y las publicaciones de blog de otros competidores. Kaggle promueve una cultura muy colaborativa, aunque prospera en la competencia. Encontrará que, en muchos casos, las personas cargan su código fuente en el medio del concurso, elevando así el listón de otras soluciones.