kaggleをやるとどうなるのか？

• アルゴリズムの力を養えることができる
• プログラムを定期的に書き続けることができる

原田さん @Seed57_cash

• kaggler枠リーダー
• Kaggle Master

趣味プロコン

• Project Euler
• AtCoder
• 人狼知能コンテスト

Kaggleとは

• 機械学習モデルを構築するコンペのプラットフォーム

1. スポンサーがデータと問題を出す
2. 参加者はデータを分析してモデルをつくり、予測結果を出す

問題例

• ローンのデフォルトを予測
• ユーザーが不正なアクセスをしているかどうか予測
• 観光名所の画像を検索する
• 掲示板への書き込みが削除対象かどうか判断
• 商品の販売各区を予測する

Kaggleで学べること ≒ Data Scientistに必要なスキル

• データを扱う勘
  • このデータなんかおかしいとか、わかるらしい・・・
• データハンドリング
  • データを取り扱ううちに嫌でも身についていく
• 上位を目指すうちに理論も身についていく
  • 数学、数学的な思考
  • 統計
  • 機械学習の理論

8 Skills You Need to Be a Data Scientist | Udacity

• 達人になるためには必要かもしれないが、始めるだけならいらない
  • すごい人も最初からすごかったわけではない
• kaggleにはHello world的な問題もたくさんある
  • 新しいプログラミング言語を覚えるのと同じようにトライ！

Kaggleに対する周りからの疑問

• 何の役に立つの？
  • じゃああなたは何の役に立つんですか？
• モデルの精度 0.0001を争っていくって不毛では？
  • 車に対するF1みたいなもの
    • 普通の車を作る上での
  • 競い合う中で安全運転もわかってくる
• 勝つためのテクニックの移り変わりが早い
  • でも逆に「新しいテクニックを身につける」というスキルがいまのご時世どれだけ重要かを考えて欲しい
  • ５年前の手法は今では通用しない
• サイエンス特化じゃなくて、バランス人材が大事では？
  • まず何かで一人前になるべき
  • なんでも半人前にしかできない人は、一番役に立たない
  • 仕事なのだからチーム全体としてなんとかなればいい

なぜKagglerはKaggleをやるのか？

• モチベーションは賞金ではない
• 面白い、自己顕示（ネトゲでランキング上位）がモチベーションになっていることが多い
• データ分析の勉強のため
  • 普段は自社のデータしか触れないため、新しいテーマに触れることができる
  • ヘタに論文を読むよりも、コンペに真面目に参加して、上位入賞者の解法を見たほうが分かりやすい
• 自己PRのため
  • 採用活動に利用するケースが日本でも増えてきた
  • Kaggle masterになると転職市場でも価値が出る

どんな人が強いKagglerなの？

• 数学・物理の理論系出身
  • 数学、統計、機械学習の理論への親和性が高い
• 機械学習関連分野（画像処理、自然言語処理）出身
• プロコン勢
  • 新しいことを始めるスキルが高い
• データ分析エンジニア出身
  • 仕事の幅を広げてきたケース
  • まだまだ少数

Kagglerが得意なこと

• 精度の高いモデルを作る
• モデルの評価・検証の仕組みの設計
• 高速でモデル構築ができる
• 引き出しが広い
  • Kaggleで色々試しているのため
• データをみてあれこれ考える
• 論文を読んでなんとなく理解する
  • 新しいことを学ぶ能力が鍛えられている

得意ではないこと

• データ処理、蓄積の設計
• 解決するべき問題の大枠の設計
• 可視化、わかりやすく説明する
• 綺麗なコードを書く
• 論文を書かされる（読めるとかけるは違う）
• 何年も１つの仕事をする
  • 新しいもの好きのためすぐに飽きてしまう

Kaggleをやる上での心構え

• データの奥に何があるのか、そのデータの元に何があるのかを知ることが大事
• よくわからないことは試してみることが大事!