DAY 22 复习日
复习日
仔细回顾一下之前21天的内容，没跟上进度的同学补一下进度。
作业：
自行学习参考如何使用kaggle平台，写下使用注意点，并对下述比赛提交代码
kaggle
一、Kaggle 核心功能学习参考
-
注册与基础设置
- 注册后完善个人资料，关注感兴趣的主题（如机器学习、数据分析）。
- 绑定 GitHub/LinkedIn，方便展示项目经历。
-
探索数据集（Datasets）
- 搜索关键词（如 "COVID-19"、"Titanic"）找到数据集，注意数据集的更新时间和许可证（License）。
- 点击 "New Notebook" 可直接在 Kaggle 环境中分析数据。
-
参加竞赛（Competitions）
- 入门推荐：从经典竞赛开始（如 Titanic、House Prices）。
- 仔细阅读竞赛规则：提交格式、截止时间、团队限制（部分比赛禁止私下组队）。
- 使用公开的 Notebook（Kernels）学习他人思路，但需避免直接抄袭。
-
使用 Notebook（现名 Code/Notebooks）
- 支持 Jupyter Notebook，预装 Python/R 的常用库（如 pandas、scikit-learn）。
- 可免费使用 GPU/TPU（需在设置中开启，每周限额约 30 小时）。
-
学习资源
- Kaggle Learn：免费短期课程（如 Python、深度学习）。
- 讨论区（Discussion）：提问前先搜索，避免重复问题。
二、使用注意点
-
竞赛注意事项
- 避免过拟合公开榜（Public Leaderboard）：不要根据公开榜分数反复调整模型，最终排名以私榜（Private Leaderboard）为准。
- 团队规则：部分比赛禁止合并队伍，组队需在截止前完成。
- 代码与数据保密：禁止在比赛期间公开分享代码或数据。
-
数据集使用规范
- 遵守数据许可证：部分数据集禁止商用（如 CC BY-NC-SA）。
- 引用来源：若使用他人数据集，需在 Notebook 中标注出处。
-
Notebook 使用技巧
- 版本控制：定期保存版本（Save Version），避免丢失进度。
- 资源管理：监控 GPU/TPU 使用时间，避免超额。
- 依赖问题 ：预装库可能不全，需在代码开头用
!pip install安装额外库。 - 网络限制：部分 Notebook 环境无法访问外部 API（如爬虫）。
-
社区礼仪
- 在讨论区提问时，提供清晰背景（如错误日志、代码片段）。
- 给有用的 Notebook 点赞（Upvote）或复现（Fork），鼓励分享。
-
个人账号管理
- 隐私设置：若 Notebook 包含敏感信息，设为私有（Private）。
- 内容备份：重要代码定期下载到本地或同步到 GitHub。
三、效率提升技巧
- 利用模板：复现优秀 Notebook 的结构（如数据预处理-模型训练-可视化）。
- 自动化脚本 ：用 Kaggle API 下载数据集或提交结果（需安装
kaggle库）。 - 协作工具：通过 Kaggle Teams 功能与队友共享 Notebook 和数据。
- 监控资源：在 Notebook 右侧面板查看 CPU/GPU/内存使用情况。
四、常见问题
-
问题 ：Notebook 运行缓慢？
解决 ：关闭不必要的输出、减少数据加载量、使用.parquet格式替代.csv。 -
问题 ：提交竞赛结果失败？
解决 ：检查文件格式（如submission.csv）、列名是否匹配。 -
问题 ：无法下载数据集？
解决：确认是否接受竞赛规则（需点击 "I Understand and Accept"）。
、