The Kaggle Book：データ分析競技 実践ガイド＆精鋭31人インタビュー（インプレス） [電子書籍]Ω

データ分析競技のヒント、テクニック、ベストプラクティスを解説！Grandmaster/Master 31人のインタビューも掲載。Kagglerの視点を学ぶ◎ノートブック、データセット、ディスカッションフォーラムの活用を解説◎モデルの評価指標、検証戦略、ハイパーパラメータ最適化について詳述◎コンピュータビジョン、自然言語処理、シミュレーションなどもカバー◎自身のポートフォリオを作成し、キャリアにつなげる方法を紹介世界中の何百万人もの人々がKaggleに参加しています。データ分析スキルを向上させ、素晴らしいコミュニティとネットワークを作り、キャリアアップに役立つ貴重な経験を得ようとしています。本書では、Grandmasterの著者2人がさまざまなモデリング戦略のほか、これまでに蓄積されたテクニック、スキルを解説。Kaggle特有のヒントだけでなく、より一般的なテクニックも学べます。Kaggleのランクを上げたい、データサイエンスのスキルアップを図りたい、既存のモデルの精度を上げたい、といった方への格好の一冊です。「本書を最後まで読めば、自信を持ってKaggleに参加できるようになるはずです。そして、Kaggleに自信を持って参加することには、多くの見返りがあります。1つ目は、Kaggleが機械学習の最も実践的な開発を把握するための非常に効果的な方法であること、2つ目は、Kaggleがユーザーに『試行錯誤で学ぶ』方法を提供することです」―Kaggle創設者兼CEO アンソニー・ゴールドブルーム（序文より一部抜粋）◎本書は『The Kaggle Book: Data analysis and machine learning for competitive data science』の翻訳書です。目次表紙サンプル・正誤表・商標など口絵序文著者紹介／レビュー担当者インタビューに協力してくれた方々謝辞はじめに目次Part1 コンペティション入門第1章 Kaggleと他のコンペティション―経緯、仕組み、意義1.1 データサイエンスコンペティションプラットフォームの台頭1.1.1 Kaggleコンペティションプラットフォーム1.1.2 他のコンペティションプラットフォーム1.2 Kaggleの紹介／1.2.1 コンペティションのステージ1.2.2 コンペティションの種類インタビュー：Parul Pandey1.2.3 提出とリーダーボードの競争力学1.2.4 計算リソース1.2.5 チーム編成と人脈作りインタビュー：Paweł Jankiewicz1.2.6 称号とランキング1.2.7 批判とチャンス1.3 まとめ第2章 Kaggle Datasetsでデータを整理する／2.1 データセットをセットアップする2.2 データを収集するインタビュー：Andrew Maranhão2.3 データセットを解析する準備2.4 KaggleのデータセットをGoogle Colabで使う2.5 法的な注意事項2.6 まとめ第3章 Kaggle Notebooks3.1 ノートブックをセットアップする3.2 ノートブックを実行する3.3 ノートブックをGitHubに保存する3.4 ノートブックをできるだけうまく活用する3.4.1 Google Cloud Platformへのアップグレード3.4.2 次の一手インタビュー：Martin Henze3.5 Kaggleのラーニングコースインタビュー：Andrada Olteanu3.6 まとめ第4章 ディスカッションフォーラムを活用する／4.1 フォーラムの仕組み4.2 コンペティションでのディスカッションアプローチインタビュー：Yifan Xie4.3 ネチケット4.4 まとめPart2 コンペティションのためのスキルを磨く第5章 コンペティションのタスクと指標5.1 評価指標と目的関数5.2 基本的な種類のタスク5.2.1 回帰／5.2.2 分類5.2.3 序数／5.3 Meta Kaggleデータセット5.4 まだ見たことがない指標に対処するインタビュー：Rohan Rao5.5 回帰の指標5.5.1 MSEと決定係数5.5.2 RMSE5.5.3 RMSLE／5.5.4 MAE5.6 分類の指標（ラベル予測と確率）／5.6.1 正解率5.6.2 適合率と再現率5.6.3 F1スコア／5.6.4 LogLossとROC-AUC5.6.5 マシューズ相関係数5.7 多クラス分類の指標インタビュー：Andrew Lukyanenko5.8 物体検出問題の指標5.8.1 IoU5.8.2 ダイス係数5.9 マルチラベル分類とレコメンデーション問題の指標5.9.1 MAP@K／5.10 評価指標を最適化する5.10.1 カスタム指標とカスタム目的関数5.10.2 予測値の後処理インタビュー：Sudalai Rajkumar5.11 まとめ第6章 よい検証を設計する6.1 リーダーボードの捉え方と戦略6.2 コンペティションでの検証の重要性インタビュー：Dmitry Larko6.2.1 バイアスとバリアンス6.3 さまざまな分割戦略を試す6.3.1 基本的な訓練データとテストデータの分割／6.3.2 確率的評価手法インタビュー：Ryan Chesler6.4 モデル検証システムのチューニング6.5 敵対的検証を使う6.5.1 実装例6.5.2 訓練データとテストデータの分布の違いに対処するインタビュー：Giuliano Janson6.6 漏れに対処する6.7 まとめ第7章 テーブルコンペティションでのモデリング7.1 Tabular Playground Series7.2 再現性を確保するためにランダム状態を設定する7.3 EDAの重要性7.3.1 t-SNEとUMAPによる次元削減7.4 データのサイズを減らす7.5 特徴量エンジニアリングを適用する7.5.1 簡単に導出できる特徴量7.5.2 行と列に基づくメタ特徴量7.5.3 ターゲットエンコーディング7.5.4 特徴量の重要度に基づいてソリューションを評価するインタビュー：Bojan Tunguz7.6 擬似ラベリング7.7 オートエンコーダによるノイズ除去7.8 テーブルコンペティションのためのニューラルネットワークインタビュー：Jean-François Puget7.9 まとめ第8章 ハイパーパラメータ最適化8.1 基本的な最適化手法／8.1.1 グリッドサーチ8.1.2 ランダムサーチ8.1.3 半減探索インタビュー：Kazuki Onodera8.2 重要なパラメータとそれらの使い方／8.2.1 線形モデル／8.2.2 サポートベクトルマシン（SVM）8.2.3 ランダムフォレストとExtra Trees8.2.4 勾配ブースティング決定木（GBDT）インタビュー：Alberto Danese8.3 ベイズ最適化8.3.1 Scikit-Optimize を使う8.3.2 ベイズ最適化探索のカスタマイズ8.3.3 ベイズ最適化をニューラルアーキテクチャ探索に拡張する8.3.4 KerasTunerを使って軽量で高速なモデルを作成する8.3.5 OptunaでのTPEアプローチインタビュー：Ruchi Bhatia8.4 まとめ第9章 ブレンディングとスタッキングによるアンサンブル9.1 アンサンブル法の簡単な紹介インタビュー：Rob Mulla9.2 モデルの平均化によるアンサンブル9.2.1 多数決9.2.2 モデルの予測値の平均を求める9.2.3 加重平均／9.2.4 交差検証戦略で平均を求める9.2.5 ROC-AUCによる評価で平均化を修正する9.3 メタモデルを使ったモデルのブレンディング9.3.1 ブレンディングのベストプラクティス9.4 モデルのスタッキング9.4.1 さまざまなスタッキング9.5 複雑なスタッキング・ブレンディングソリューションの作成インタビュー：Xavier Conort9.6 まとめ第10章 コンピュータビジョンのモデリング／10.1 拡張戦略10.1.1 Kerasの組み込み実装10.1.2 Albumentationsライブラリインタビュー：Chris Deotte10.2 分類10.3 物体検出10.4 セマンティックセグメンテーションインタビュー：Laura Fink10.5 まとめ第11章 自然言語処理のモデリング／11.1 感情分析インタビュー：Abhishek Thakur11.2 オープンドメイン質問応答インタビュー：Shotaro Ishihara11.3 テキスト拡張戦略／11.3.1 基本的な手法11.3.2 nlpaug11.4 まとめ第12章 シミュレーションと最適化のコンペティション12.1 Connect Xコンペティション12.2 Rock, Paper, Scissorsコンペティション12.3 Santa 2020コンペティション12.4 より複雑なゲームインタビュー：Firat Gonen12.5 まとめPart3 コンペティションをキャリアに活かす第13章 自分のプロジェクトとアイデアのポートフォリオを作成する／13.1 Kaggleを使ってポートフォリオを構築するインタビュー：Gilberto Titericz13.1.1 ノートブックとディスカッションを活用する13.1.2 データセットを活用するインタビュー：Gabriel Preda13.2 Kaggleの外でオンラインプレゼンスを確立する13.2.1 ブログとパブリケーション13.2.2 GitHub13.3 コンペティションのアップデートとニュースレターを監視する13.4 まとめ第14章 キャリアアップの機会を見つける14.1 コンペティションに参加している他のデータサイエンティストとつながるインタビュー：Yirun Zhangインタビュー：Osamu Akiyamaインタビュー：Mikel Bober-Irizarインタビュー：Dan Beckerインタビュー：Jeong-Yoon Lee14.2 Kaggle Daysや他のKaggleミートアップに参加する14.3 注目を集めて他の仕事の機会を得る14.3.1 STARアプローチ14.4 まとめ（と別れの言葉）索引翻訳者プロフィール＆STAFF LIST奥付