도서상세보기

도서명 캐글 메달리스트가 알려주는 캐글 노하우
저자 김태진, 권순환, 김연민, 김현우, 명대우, 안수빈, 이유한, 정성훈
출판사 길벗
출판일 2023-07-25
정가 34,000원
ISBN 9791140705290
수량

1장 Kaggle
__1.1 컴페티션
____1.1.1 컴페티션 파악
____1.1.2 컴페티션 선택
____1.1.3 컴페티션 종료
__1.2 초보 캐글러를 위한 컴페티션 시작 팁
____1.2.1 컴페티션이 어려운 이유
____1.2.2 컴페티션 시작
____1.2.3 컴페티션 점수에 대한 생각
__1.3 코드
____1.3.1 노트북
____1.3.2 클라우드 노트북
____1.3.3 Save Version
____1.3.4 공유
__1.4 데이터셋
____1.4.1 캐글 데이터셋
____1.4.2 데이터셋 생성
____1.4.3 데이터셋 활용
____1.4.4 공유
__1.5 디스커션
____1.5.1 디스커션 종류와 역할
____1.5.2 Thanks for sharing!
__1.6 More
____1.6.1 Progression System
____1.6.2 Learn
__1.7 이제 캐글의 세계로

2장 Instant Gratification
__2.1 들어가기 전에
____2.1.1 캐글 프로필: 김연민
____2.1.2 코드
__2.2 Overview
____2.2.1 대회 목적
____2.2.2 평가 지표
____2.2.3 데이터 소개
__2.3 솔루션 소개
____2.3.1 Overview
____2.3.2 EDA
____2.3.3 스태킹
____2.3.4 솔루션 상세
____2.3.5 제출 전략
__2.4 디스커션

3장 IEEE-CIS Fraud Detection
__3.1 들어가기 전에
____3.1.1 캐글 프로필: 김현우
____3.1.2 캐글 프로필: 정성훈
____3.1.3 코드
__3.2 Overview
____3.2.1 대회 목적
____3.2.2 평가 지표
____3.2.3 데이터 소개
__3.3 솔루션 소개
____3.3.1 Overview
____3.3.2 EDA
____3.3.3 피처 엔지니어링
____3.3.4
캐글 입문 방법, 캐글 활용법, 기본 테크닉, 고급 테크닉, 방법론, 고득점 노하우, 선배들의 조언 등
이 책에 담긴 모든 것을 습득하고 활용해보세요!

캐글을 처음 시작하거나, 캐글을 알고 있지만 어떻게 활용해야 할지 잘 모르거나, 몇 번 해봤지만 잘 되지 않았던 캐글러 분들이 캐글에 조금 더 가까워지도록 도움을 드리는 것이 목표입니다.

1장: Kaggle
1장에서는 캐글이 무엇이고, 어떤 구성 요소와 기능이 있는지, 이 요소들의 특징과 활용 방법은 무엇인지 자세히 소개합니다. 처음 이 책을 볼 때는 1장을 꼭 한번 훑은 뒤에 컴페티션 솔루션 장을 볼 것을 권장합니다. 1장은 캐글에서 제공하는 대부분의 기능과 활용 방법을 소개하므로, 이 책에서 소개하는 솔루션을 이해하는 데는 물론 앞으로 본격적으로 캐글을 활용할 때 도움이 될 것입니다.

2~7장: 솔루션 장
1장 이후 솔루션 장에서는 저자들이 직접 참가했던 캐글 컴페티션에 대해 소개합니다. 컴페티션의 목적과 배경을 소개하고, 주어진 데이터의 특징과 함께 문제를 풀어나가는 과정에 대해 저자의 경험을 토대로 설명합니다. 여기에 저자가 컴페티션에 참가하면서 느꼈던 점, 추가로 알았으면 하는 팁, 인상 깊게 보았던 다른 캐글러의 솔루션 등도 포함합니다.

솔루션 장은 총 6개로 이루어져 있으며, 순서에 상관없이 원하는 장을 골라 볼 수 있습니다. 솔루션 장은 컴페티션을 간단히 요약한 표로 시작하여, 컴페티션을 소개하는 Overview 절이 뒤를 따릅니다. 이 둘을 참고하면 관심 가는 문제 및 데이터를 다루는 장을 빠르게 파악할 수 있습니다.

각 컴페티션 솔루션은 컴페티션 진행 과정을 파이썬 코드와 함께 설명합니다. 파이썬 코드에서는 주로 컴페티션 데이터와 딥러닝, 머신러닝 모델을 다루기 때문에 파이썬 프로그래밍 언어와 다음 라이브러리에 대한 사전 지식이 필요합니다.
__머신러닝 프레임워크: 파이토치(PyTorch, 텐서플로(Tensorflow, 사이킷런(Scikit-learn
__데