Python打卡训练营Day22

@浙大疏锦行
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

1. 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。

2. 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。

3. 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。

4. 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）。

5. 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

1. 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。

2. 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。

3. 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）。

4. 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。

5. 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

1. 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）。
2. 自动化脚本：用 Kaggle API 下载数据集或提交结果（需安装 kaggle 库）。
3. 协作工具：通过 Kaggle Teams 功能与队友共享 Notebook 和数据。
4. 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”）。

、