出版書誌データベース

名高いコンペの解き方をたどる！
ケーススタディと練習問題で実践力を養おう

世界中の何百万人もの人々がKaggleに参加し、
さまざまなコンペティションで、より良い結果を得るためにしのぎを削っています。

本書は、そのためのスキルをより素早く身につけるのに役立つ
ワークブックとして構成されています。

過去の代表的なコンペを取り上げ、どのように段階を踏んで
ソリューションを構築していくのかを解説します。

たとえば、ディスカッションを読み、ノートブックを再利用し、
特徴量エンジニアリングやさまざまなモデルの訓練を見ていきます。

テーマによっては、基本的なソリューションから高度なものへと発展させていきます。
各種トピックについて理解を深めるための練習問題も掲載されています。

どのような情報や知見、理論をもとにして、
どのようなソリューションが導き出されたのか。
さまざまな手を尽くしながら競い合っていることもわかるでしょう。

※本書は『The Kaggle Workbook: Self-learning exercises and valuable insights
for Kaggle data science competitions』の翻訳書です。

※本書の姉妹書『The Kaggle Book』の内容を参照する箇所があります。

※『The Kaggle Book』で説明しているKaggleプラットフォームやデータサイエンスの
基本的な理解を前提にしています。

表紙
サンプル／正誤表など
著者紹介
レビュー担当者
はじめに
第1章 最も名高いテーブルコンペティション―Porto Seguro's Safe Driver Prediction
1.1 コンペティションとデータを理解する
1.2 評価指標を理解する
1.3 優勝したMichael Jahrerのソリューションを調べる
1.4 LightGBMベースのソリューションを構築する
1.5 デノイジングオートエンコーダとDNNをセットアップする
1.6 結果をアンサンブル化する
1.7 本章のまとめ
第2章 Makridakisコンペティション―正解率と不確実性に関するKaggleのM5
2.1 コンペティションとデータを理解する
2.2 評価指標を理解する
2.3 4位に入賞したMonsaraidaのソリューションを調べる
インタビュー：Masanori Miyahara
2.4 特定の日付と時間区間の予測値を計算する
2.5 パブリックリーダーボードとプライベートリーダーボードの予測値を整理する
2.6 本章のまとめ
第3章 画像分類コンペティション―Cassava Leaf Disease Classification
3.1 データと指標を理解する
3.2 ベースラインモデルを構築する
3.3 上位のソリューションから学ぶ
3.3.1 事前訓練
3.3.2 テスト時のデータ拡張／3.3.3 Transformer
3.3.4 アンサンブル
3.4 完全なソリューション
3.5 本章のまとめ
第4章 自然言語処理コンペティション―Google QUEST Q&A Labeling
4.1 ベースラインソリューション
4.2 上位のソリューションから学ぶ
4.3 本章のまとめ
索引
翻訳者プロフィール／STAFF LIST
奥付