캐글 가이드

전 세계 데이터 과학자와 소통하고, 경쟁하고, 성장하기
사카모토 도시유키 지음, 박광수(아크몬드) 옮김

캐글 가이드 저장소(https://github.com/dybooksIT/kaggle-guide)

Mercari Price Suggestion Challenge (2018년 2월)
TF-IDF 벡터 + 전결합층 신경망 ⇒ 각 단어의 출현 빈도를 신경망으로 학습
https://www.kaggle.com/c/mercari-price-suggestion-challenge/discussion/50256

Toxic Comment Classification Challenge (2018년 3월)
FastText, Glove + GRU + LightGBM ⇒ 단어 벡터 사전을 시계열 데이터로 학습해 조합
https://www.kaggle.com/c/jigsaw-toxic-comment-classification-challenge/discussion/52557

Avito Demand Prediction Challenge (2018년 6월)
FastText + LSTM + 2D-CNN ⇒ 문장의 데이터와 이미지를 신경망으로 동시에 학습
https://www.kaggle.com/c/avito-demand-prediction/discussion/59880

Quora Insincere Questions Classification (2019년 1월)
Glove, para + OOV Token + LSTM + 1D-CNN ⇒ 어휘 이외의 단어를 OOV 토큰으로 학습
https://www.kaggle.com/c/quora-insincere-questions-classification/discussion/80568

Jigsaw Unintended Bias in Toxicity Classification (2019년 6월)
BERT + XLNet + GPT2
https://www.kaggle.com/c/jigsaw-unintended-bias-in-toxicity-classification/discussion/103280

• LightGBM
• fast.ai

• 페이스북 캐글 코리아 그룹(https://www.facebook.com/groups/KaggleKoreaOpenGroup)
• 캐글 코리아 블로그(https://kaggle-kr.tistory.com)
• Kaggle-knowhow(https://github.com/zzsza/Kaggle-knowhow)
• 한국인을 위한 (파이썬) 캐글 튜토리얼(https://github.com/seriousran/kaggle-for-korean)