連載目次 前回は、Kaggleのコンペティションに初参加ということで、皆さんの多くが手始めに触るであろうTitanicコンペティションに自分も参加して、取りあえずデータをDNN（Deep Neural Network）に突っ込んでみました。その後、コードの再利用を念頭に置いたプログラムの構造化というちょっとズレた方向に進んだり、k-fold交差検証をしたりしてみました。 今回はちょっと方向性をまた変えて、探索的データ分析（Explanatory Data Analysis、EDA）の初歩の初歩を体験してみることにしました。seabornというデータ視覚化ライブラリを使用して、Titanicのデータを少々分析して、その結果から、テストデータのSurvived列の値を推測するという感じです。

KaggleのNFL Health & Safety - Helmet Assignmentというコンペで優勝したので調子に乗って、コンペの紹介とポエムを書かせていただくことにしました。 多種多様なアプローチがとれる楽しいコンペでしたので、そのお気持ちを少しでもお伝えできれば甚幸です 自己紹介 機械学習/プログラム歴はもうすぐ3年 巷に溢れるKaggle (Notebook) Expert 画像系コンペが好み。pandas力はゴミ。 パパ Kaggler。とてもかわいい息子と娘がいる。 2年前にポエムを書いて以来、久々のkaggleコンペになりました。この2年「メダルは取れないんじゃなくて取っていないだけww」とほざき続けてきた中でのコンペ参戦です。 コンペ紹介 [NFL Health & Safety - Helmet Assignment] コンペの趣旨 NFL(National Fo

Kaggleで学ぶ、モデルのブレンディングとスタッキング：僕たちのKaggle挑戦記（1/2 ページ） Kaggle公式「機械学習」入門／中級講座の次は、本稿で紹介する動画シリーズで学ぶのがオススメ。記事を前中後編に分け、後編では交差検証を用いたモデルのスタッキングやブレンディングを試した体験を共有します。

Kaggleで学ぶ、Optunaによるハイパーパラメーター自動チューニング：僕たちのKaggle挑戦記 Kaggle公式「機械学習」入門／中級講座の次は、本稿で紹介する動画シリーズで学ぶのがオススメ。記事を前中後編に分け、中編ではOptunaを使ったハイパーパラメーターの自動チューニングを試した体験を共有します。

ご挨拶 こんにちは。Deep Insider編集部のかわさきです。Deep Insiderでは主としてPythonやVisual Studio Codeの記事を手がけています。たまには機械学習の記事も書いていますけど。そんなことから、もう1人の編集者である一色さんとは違って、もっとレベルの低いところから始める「機械学習初心者」といってもよいでしょう。そんな人間がKaggleで悪戦苦闘する様をお楽しみいただければ幸いです。 本連載は「Kaggle初心者のためのコンペガイド ― Titanicの先へ」という記事で始まっていますが、初心者らしくボクはTitanicから始めてみることにしました。

就職先企業選びに影響したのはインターン Kaggle グランドマスターの荒居秀尚さんと中間康文さん、2人はどのように就職活動を行ったのだろうか。トップクラスのKagglerともなると、企業からお誘いが来て特別枠で入社したのではないかと思うかもしれないが、そんなことはなく、2人とも「普通に」就活をしたそうだ。 就活の前段としてインターン制度を利用した就業体験がある。インターン制度は求人企業からは学生を知ることができ、就活生からは会社の業務や社内の雰囲気を知ることができるため、就活の一次面接的な性格も強いといわれている。2人はインターン先をどのように決めたのだろうか。 「理系学生のエンジニアの間で出回るインターン情報を参考にしました。仕事内容、期間、スキル、金額などがスプレッドシートにまとめられているものです。業務で機械学習を扱うとはどういう感じなのか知りたいと思っていたので、スプレッドシート

Kaggle のデータ分析コンペ Tweet Sentiment Extraction で『5位 / 2,227チーム』を獲得しました :) ❌ 未対応のtype（table_of_contents）が見つかりました 記念すべき MoT (Mobility Technologies) の技術ブログ第一号記事です :) MoT はタクシーアプリなどの事業統合により、2020 年 4 月から新体制でスタートしたモビリティ DX カンパニーです。「移動で人を幸せに。」をミッションに、タクシーアプリ『JapanTaxi』、『MOV』の運営の他、タクシー車内での広告や決済、タクシー需給予測による乗務員の営業サポート、ドライブレコーダーや交通事故削減支援システム『DRIVE CHART』、自動運転社会やスマートシティの実現を見据えたビッグデータ解析などの R＆D 事業と、幅広く事業を展開しています。

ヤングKagglerは、いかにしてグランドマスターになったのか：Kaggle グランドマスター インタビュー（前）（1/3 ページ） 24歳＆26歳。世界でわずか230人前後しかいない「Kaggle グランドマスター」の称号を持つ2人の青年は、子どものころからプログラミングに親しんできた……わけではなかった。 Google社が所有するKaggle社が運営する「Kaggle」（カグル）という機械学習プラットフォーム上で開催されるコンペティションで、最高の称号「グランドマスター」を持つ人は日本国内で20人前後、世界でも230人前後。その希少な人材のうちの2人が、2021年に社会人デビューした。2人のグランドマスターは、どのようないきさつでKaggleに参加し、どのようにして最高位の称号を獲得し、どのような就職活動をしたのだろうか。 Kaggleのグランドマスターとは ラッパーがMCバトルで技を

Kaggle入門 データ分析／機械学習の競技大会プラットフォーム「Kaggle」についての初心者向け連載。コンペティションの内容から、事例に基づくノウハウ、実際にメダルを受賞してKaggle Masterになるための道標を示す。 第1回　Kaggleはじめの一歩（2021/05/12） Kaggleとは ・コンペティションの種類 - Competition Types - Competition Formats ・Leaderboardの仕組み ・Medals - Medalists 初心者おすすめコンテンツ ノウハウ（1）　DiscussionとCodeを見る ノウハウ（2）　Kaggle Notebook／マシンの使い方 ・Kaggle Notebook ・クラウドサービス ・ローカルマシン ノウハウ（3）　とにかくデータを見る ノウハウ（4）　過去コンペティションの解法で勉強する、L

2021年度リクルート入社の2人のKaggle Grandmasterにインタビュー。Kaggle Grandmasterを目指すために意識しておくべきポイントや戦略について解説する。これを読んで、データサイエンティストとして“最高峰”の称号を目指そう。 連載目次 この連載では、近年話題のコンペティションプラットフォーム「Kaggle」について、リクルート所属のKaggle Masterの4人が、Kaggleの仕組みや取り組み方、初心者から一歩先にいくためのノウハウについて解説してきました。 連載を振り返ると、第1回では、これからKaggleを始めようと思っている方向けに、Kaggleの仕組みやコンペティション（以下、コンペ）への取り組み方、初心者におすすめのコンテンツについて解説を行いました。 また第2回では、ランクを上げていくために筆者が「実際に何をしていたか」について、実際の事例を交

DeNAには優秀なデータサイエンティストがそろっていると言われています。先日も世界最大級のAIコンペティション「Kaggle（カグル）（※1）」にて開催されたゲームAIの国際コンペティション「Hungry Geese」で、弊社所属の田中一樹とquantum社の大渡勝己（DeNAでも強化学習の研究開発に従事）のチームHandyRLが優勝（※2）いたしました。 新卒でDeNAを選んだデータサイエンティストは、どこでDeNAに興味を持ち、どんな経緯を経て入社に至ったのか。そしてDeNAにどんな期待をし、実際入社してみて仕事内容、働き方はどうだったのか……。 そこで入社3年以内の新卒データサイエンティスト３名に、入社前〜就職活動中〜入社後のストーリーについて聞きました。 ※1……主催者がデータと課題を提供し、参加者は3ヶ月程度の期間内でもっとも性能の高いAIをつくることを競い合う、世界最大のコンペ

はじめに TIGの玉木です。先日10月18日に発売されたSoftware Design 2021年11月号の第一特集、「Kaggleで知る機械学習 前処理から学習モデルの構築，スコアの上げ方までわかる」をフューチャーの農見、玉木、金子が担当しました。数日経ってしまいましたが、簡単に紹介させていただきます。 コンセプト以前の記事でも紹介しましたが、すでに世の中にはたくさんのKaggleを題材とした素晴らしい書籍があります。Kaggleは機械学習用のデータセット、実行環境が用意されており、機械学習を学ぶ題材として適しています。私達はまだあまり日本語の書籍がないテーマである、 自然言語処理 画像処理 の2つの分野について、機械学習をこれから始めたい方向けに記事を書くことにしました。 雑誌という形態上ページ数が限られているのもありますが、なるべく最新の動向も含めつつ、最新の動向を理解するための最低

Kaggle公式「機械学習」入門／中級講座の次は、本稿で紹介する動画シリーズで学ぶのがオススメ。記事を前後編に分け、前編では交差検証や、特徴量エンジニアリング（標準化／正規化／対数変換／多項式と交互作用の特徴量／ターゲットエンコーディングなど）を試した体験を共有します。

Kaggle特集に惹かれ、今月の『Software Design』を購入しました。 gihyo.jp 特集の目次は、以下のとおりです。 第1特集 Kaggleで知る機械学習 前処理から学習モデルの構築，スコアの上げ方までわかる 第1章：Kaggleにエントリーしよう 登録からSubmitまでブラウザ上で完結 第2章：自然言語処理のコンペに挑戦① データの前処理・学習・推論の流れ 第3章：自然言語処理のコンペに挑戦② モデル変更でスコアを底上げする 第4章：くずし字認識のコンペに挑戦① パラメータチューニングの奥深さに触れる 第5章：くずし字認識のコンペに挑戦② さらなるスコアアップのためにKagglerがやっていること まずは、広くソフトウェアエンジニア向けの雑誌にKaggleの特集が掲載されたのが印象的でした。その中で第1章では、Kaggleの概要や機能をスクリーンショットと共に紹介して

Kaggle界隈では複数シードのアンサンブルとかにまつわる話。 CV界隈でのランダムシード数と精度の関係を分析する論文。 シード数によって生じる精度の差は有意と言える物で、多くの研究がラッキシードによるものではないかと著者が懐疑的… https://t.co/jHLRN0RyhI

「上位入賞に向けて“超えるべき壁や気付き”」とは 最初のテーマは、「上位入賞に向けて“超えるべき壁や気付き”」について。口火を切ったのは、阿内宏武さん。「大体どのコンペティションでも、高いスコアのモデルはベースラインとしてディスカッションやノートブックなどで公開されているので、それを参考にすれば100点満点中80点くらいのモデルにはなります。ただ、80点を100点にしてゴールドメダルを獲得するには、既に公開されている情報に加え“自分なりの工夫”が不可欠になると考えます。個人的には、他のデータサイエンティストがやっていなさそうなアイデアで自分だけのオリジナルモデルを構築できるか、そこがゴールドとシルバーの違いにつながると見ています」。 それを受けて、羽鳥冬星さんは「確かに、ディスカッションやノートブックには“最後の一押し”となるオリジナル要素はあまり公開されていないように思います。そこに気付