DeNAの2023/2/21のDS輪講の発表資料です。

ソフトウェアエンジニアがプログラミングの腕を競い合う競技プログラミングや、データサイエンティストや機械学習エンジニアが機械学習モデルの精度を競い合うKaggle。こうしたコンペティションのトップランカーが持つテクニックやスキルを実際の業務にも活かそうとしている、あるいはすでに活かしている企業も少なくないでしょう。 一方で、その能力を最大限活かして仕事に取り組めるかには課題も残っているようです。「競技のトップランカー」の肩書きに引きずられるためか、彼らの強みを活かすためには起用範囲を絞らざるをえない、という悩みも方々から聞こえてきます。 そんな中、リクルートではトップランカーのスキルや技術だけでなく、「本質的な強み」に着目。その「本質的な強み」を、領域を横断してさまざまなプロジェクトに活用することで、事業課題の解決やサービス価値の向上につなげています。 トップランカーの「本質的な強み」とは、

Kaggle Grandmasterへの軌跡 はじめに 嗚呼、憧れの。 Kaggle Grandmasterに…… ……というわけで、なってしまったので、Kaggleとの出会いを含めて記念にポエムにしようと思いました。 Kaggleをはじめる前 Topcoder Marathon Matchesという、中長期ヒューリスティクスプログラミングコンテストの分野で、なぜか初参加から2位、1位、1位とよく分からない順位をつけ、最初の2試合だけでRedcoderになったりしつつ、TCO(Top Coder Open)という毎年1回だけ現地開催される大会決勝に大会側に渡航費用を出してもらって計3度決勝に進出しているうちに、当時全盛期だったTopcoderは衰退期を迎えもはや参加の価値が薄れつつあり、すれ違いでコンテストでもっと勝つために再入学した大学院の博士後期課程が原因でTopcoderをはじめとし

なんでもkaggle関連リンク、充実している。すごい。 なんでもkaggle関連リンク - Kaggler-ja Wiki https://t.co/6hiClF7MgZ

世界最大のAIコミュニティ「Kaggle」のゲームAIコンペティション「Hungry Geese」でquantumのメンバーを含むチームが優勝。 株式会社QUANTUM (本社：東京都港区、代表取締役社長兼CEO：高松充、以下「quantum」、読み方：クオンタム)のAI技術顧問としてquantum AIを支える大渡勝己と、DeNA社の田中一樹氏によるチーム「HandyRL」は、世界中のデータサイエンティストが登録する世界最大のAIコミュニティ「Kaggle」内にてこの度開催された、ゲームAIコンペティション「Hungry Geese」で、quantumの開発サポートのもと、参加875チーム中１位を獲得、優勝いたしました。quantumとして、Kaggleのコンペティションにおける初めての優勝となります。 Hungry Geeseは4チームが同時に対戦するゲームで、自分のチームのガチョウを

面倒なことはChatGPTにやらせよう・Kaggleスタートブック・Kaggleのチュートリアルを執筆/ KaggleGrandMaster / 毎週月曜配信 / 要望や質問などなんでも：http://marshmallow-qa.com/currypurin / サンリオ

仕事も友達もKaggleで得た―。敏腕データサイエンティストが熱中する、分析で「競う」世界2021/05/10 世界中のデータサイエンティストら15万人以上が参加する「Kaggle（カグル）」。企業や公的機関によるデータ分析のコンペティション（コンペ）が常時開かれ、多くの参加者が腕を競う。彼らの最高峰に立つのが、世界で約200人、日本人では数えるほどとされる「Kaggle Grandmaster」。米国GPU（画像処理半導体）大手のNVIDIA（エヌビディア）で働く小野寺和樹さんは、その称号を持つ一人だ。プログラミング、数学、分析対象となる分野の知識など、幅広い力が求められるコンペで勝ち続ける彼は、現在「Kaggleに参加すること」が仕事なのだという。世界最高峰のデータサイエンティストはどんな思考をするのか、そして、時に寝る間も惜しんで熱中するというKaggleの魅力とは何か。小野寺さんに

書評『Kaggleで勝つデータ分析の技術』December 29, 2020  |  5 min read  |  1,131 views jabookdata-analysisはじめに 『Kaggleで勝つデータ分析の技術』（門脇大輔, 阪田隆司, 保坂桂, 平松雄司 著，技術評論社，2019年）を読んだので，まとめと感想を書きます． 本書は，Kaggleないしデータ分析コンペに関する書籍としてはおそらく邦訳を含めても日本初で，それまでKaggleのKernelやDiscussion，個人ブログなどに散在していたデータ分析の集合知や暗黙知を一冊にまとめることを試みた野心的な参考書です．分析コンペの経験がない初心者はもちろん，ある程度経験のある人でも知識を体系化したり抜け漏れを発見したりするのに役立つと思われます． 本書に関するブログ記事はすでに多数存在します．著者の一人である門脇氏は自身

Kaggleを始めたのは、純粋に「面白そうだった」から ――今回はKaggle対談ということで、まずは皆さまのKaggleとの関わりについて教えてください。 浦谷 : もともとは新卒入社から4年間は公共システム事業部のメンバーとして、国税庁システムのSEだったのですが、2018年に現在の社会システム事業に異動したタイミングでデータサイエンティストに転身して、Kaggleと出会いました。きっかけ自体は、とある方のブログ経由だったと思います。 これまでのKaggleとの関わりでは、メダル獲得にコミットして参加したコンペが10個ほどになります。 諸橋 : 2012年にデータの部署に異動してから、Kaggleのアカウントだけは作っていました。僕の場合はSIGNATEを5年前くらいからやっていて、Kaggleを本格的にやり始めたのは2018年くらいからだと思います。 仕事というよりは勉強のためで、本

2019年も様々なデータサイエンス関連のコンペが実施され、論文が発表されました。その中でも面白かったものはどれか、5人のkagglerの方に直接お伺いしました。 2019年はTellusxSIGNATEで実施された衛星データコンペの解説(第1回・第2回)が、データサイエンティストの方に読んでいただいた宙畑のヒット記事としてランクイン。 では、データサイエンティストの方は他にどのようなコンペや論文に興味を持たれていたのか……と気になった宙畑編集部。 今回、以下5名のKagglerの方に協力いただき、2019年の振り返りとして面白かったコンペと論文、そしてその理由を教えていただきました。 あきやま様(@ak_iyama) jsato様(@synapse_r) Hiroki Yamamoto様(@tereka114) smly様(@smly) ※順不同 ※1名、非公表 Kaggleについては「世

これはなに？ kaggle本を読んで血肉になった/したい点をなぐり書きにしたただの個人用メモです。ちゃんとした書評を書こうと思い続けてはや半月以上経過したので一旦書きました。 この箇条書きの記事だけ読んでも多分内容わからないと思うので、気になった点があればぜひ購入しましょう！読後すぐに書いた推薦ツイートは以下のとおりです。 kaggle本読み終わりました。初心者にも良い本だと思いますが、ExpertやMasterなりたての人が最も恩恵を得られそうだなと感じました。自分の今までのコンペ経験を思い返しつつ、その中では経験できなかった内容を学ぶことができ「賢者は歴史に学ぶ」が可能になった感があります。著者の方々に感謝です！— ML_Bear (@MLBear2) October 23, 2019 リンク Chap. 2 - タスクと評価指標 「しきい値の最適化」という概念 正例か負例のラベルを提

この度光栄なことに著者の @Maxwell さんから「Kaggleで勝つデータ分析の技術」 を献本いただきました。 私事ですがこのような形で献本頂いたのは初めての経験だったのでとてもうれしくまた恐縮している次第です。 光栄なことに @Maxwell_110 さんからKaggleで勝つデータ分析の技術を頂きました〜 目次の充実が話題になってましたがサラッと見ただけでも濃い内容満載で読むのワクワクです😆 https://t.co/VTKmsR5Z6s pic.twitter.com/yuRS72YyTs— ニューヨーカーGOTO (@nyker_goto) October 2, 2019 「せっかく本を頂いたので書評をかこう!!」と思ってここ数日読み進めていたのですが、この本が自分がここ一年ぐらいで読んだ機械学習に関連する本の中でもずば抜けて内容が濃くまた情報量の多い本であったため「これは僕

これはなに？ Kaggleのテーブルデータコンペに参加するときに役立つ(と思う)Tipsを Kaggle Coursera の授業メモに色々追記する形でまとめたものです 自分で理解できている内容を中心にまとめました。各種資料の内容はまだまだ理解できていない内容が多く、今後も随時更新していきます(随時更新できるように勉強します)。 この記事に書いてあるTipsをどのように活かしたかはKaggle参戦記に書いたので、併せてどうぞ。 参考文献 主として以下の資料の内容をピックアップさせていただきました。引用を明記していない部分は(ほぼ100%) Kaggle Coursera の内容です。 Kaggle Coursera kaggle_memo by nejumiさん Kaggleで世界11位になったデータ解析手法〜Sansan高際睦起の模範コードに学ぶ Kaggle TalkingData F

はじめに 「kaggleって何？」という人が、 kaggleがなにかわかる（話が合わせられる） kaggleコンペに参加してみる（ノリ気になる） ためのお手軽説明です(｀・ω・´) Agenda kaggleとは？ データ分析のトレンドの変化 kaggleの仕組み なぜkaggleをやるの？ やってみた(｀・ω・´) 1. kaggleとは？ 世界最大の機械学習・データ分析のコンペを主催するプラットフォーム つまり データサイエンティストの世界最強を決める大会 kaggleの規模 ユーザ数: 50万以上 国: 190カ国以上 らしい(｀・ω・´) 2. データ分析トレンドの変化 理論（theory） ↓ 実践（practice） 昔 理解するのが大事（theory） 今 実践・役立つのが大事（practice） 実践を重視している具体例 kaggle コンペ ノウハウの共有（コード・ディス

2018年2月に終わったKaggle メルカリコンペの優勝コードを眺める動画です。 コードの解説は #18:00 ぐらいからなのでコンペ概要を知っている方は飛ばしてください。 何かありましたらTwitterまで @tkm2261

研究者やデータサイエンティストなど、優秀なAI人材の争奪戦が過熱している。米Appleや米Googleら大手IT企業が続々とAIベンチャーを買収する中、国内でもAI（人工知能）に造詣の深い人材の獲得で各社が競争を繰り広げている。 中でも、データ分析や機械学習のさまざまなコンペに参加できる米国発のプラットフォーム「Kaggle」（カグル）で優秀な成績を収めたKaggler（カグラー）と呼ばれるデータサイエンティストたちの需要が高まっている。 エンジニア採用を強化するヤフーは、「エンジニアスペシャリストコース」で必要な経験スキルの1つに「Kaggleの単独参加でコンテストTOP10％の入賞経験」を明記している他、名刺管理サービスのSansanのR&D（研究開発）グループもKagglerの採用に積極的で、複数人のKagglerと、日本では数人しかいない「Grandmaster」（Kaggle内の

終了 2018/05/12（土） 13:00〜 Kaggle Tokyo Meetup #4 （Kaggle Night Toyko #1から変更となっています。） tkm2261 他 東京都港区六本木6-10-1六本木ヒルズ