「おすすめコンペは何？」の答え方を真面目に考える / How to Choose Kaggle Competitions

Transcript

1. 「おすすめコンペは何？」 の答え方を真面目に考える u++, 2020年7月31日（更新：2021年6月21日） 1

2. Q. おすすめコンペは何？ 2

3. Q. おすすめコンペは何？ A. 人それぞれだと思います 3

4. 発表の概要 「おすすめコンペは何？」という質問への自分なりの答え （2020年7月） 4

5. 対象の聴衆 参加者：KaggleやSignateなどデータ分析コンペに参加経験 がある中級以上の方 比較的経験が浅めの方 回答内容自体が参考になれば嬉しい 比較的経験が豊富な方 回答方法自体が参考になれば嬉しい （資料のリンクを共有する形でご活用ください） 5

6. 自己紹介 u++ (@upura0, sishihara) Kaggle PetFinderコンペ 1位、SIGNATE 糖尿病コンペ 3位、 Nishika

   株主価値コンペ 2位 『Weekly Kaggle News』の発行 『PythonではじめるKaggleスタートブック』（講談社） 4.1「参加するコンペの選び方」の内容を掘り下げました 6

7. 選ぶ上での観点 下記の点から、自分に合ったコンペを選ぶ 扱うデータの種類・サイズ タスクの種類 開催期間 メダルの有無 実行環境の制限 タスクの面白さ プラットフォームの性質 7

8. 扱うデータの種類・サイズ 業務で使う？知的好奇心？利用可能な計算資源？ テーブル 画像 テキスト 音声 強化学習 ※ 複数を扱う「マルチモーダル」なコンペも 8

9. タスクの種類 テーブル：分類・回帰 画像：分類・回帰・セグメンテーション・物体検出など テキスト：分類・回帰・質問応答など 9

10. 開催期間 2〜3カ月くらいのコンペが多い 個人的なおすすめは、終了2週間前くらいの開催中のコンペ NotebookやDiscussionに情報が転がっている （Vote数でソート） 「良コンペ」か否かの評判も出ている 最後の順位開示の瞬間の一喜一憂がたまらない 終了後の上位解法が勉強になる 過去の良コンペも選択肢になり得る（後述） 10

11. メダルの有無 Kaggleではコンペごとに、メダルやポイントが獲得できる・ できないが設定されている 獲得できる方が、参加者の質が高く議論も活発で学びが得や すい傾向にある Kaggleでメダルが獲得できるコンペか否か確認する, u++の備忘録 11

12. 実行環境の制限 コンペのルール 最近は実行環境の制限（処理内容・アクセラレータ・時間など） が設定されているコンペが増えている 個々人の計算資源 自分のパソコンのスペック、Kaggle Notebook、Google Colab、 クラウド課金 など

    12

13. タスクの面白さ 背景や社会的意義 例：Deepfake Detection Challenge 現実で適用できるコンペ設計か？ 例：NFL Big Data Bowl

    機械学習が必要か？ 例：ルールベースでは難しい、データが十分にある 評価指標 例：「運ゲー」になりづらいか？ 13

14. プラットフォームの性質 Kaggle以外のプラットフォームも SIGNATE ProbSpace Nishika TopCoder atmaCup Quevico ※ Discussionの有無や情報開示の可否などに注意

    14

15. おすすめ過去コンペ kaggler-ja wiki 自分の場合はPetFinderコンペ テーブル・画像・テキストのマルチモーダル 当時使わなかったBERTやEfficientNetで良いスコアが出 て面白い 人は良い成績だったコンペをおすすめしがち 15

16. コンペ情報を知る twitterのKaggleリスト 『Weekly Kaggle News』 16

17. まとめ Q. おすすめコンペは何？ A. 自分に合ったコンペを選びましょう 扱うデータの種類・サイズ タスクの種類 開催期間 メダルの有無 実行環境の制限

    タスクの面白さ プラットフォームの性質 17

18. By Marios Michailidis (KazAnova), KDD 2018 at London, from @0verfit

    ’s tweet 18

19. おまけ：賞金は？ 時給換算して金銭面だけを見ると、割りに合わない場合がほ とんど 「たまにお金がもらえるネトゲ」くらいの位置づけ ※ Deepfake Detection Challengeくらいになると別 19

20. おまけ：個人的印象 SIGNATE：日本最大級だが、コンペの質に不安も。コンペご との情報開示の可否が明確になったが、成果物が公開できな い場合も多い。 ProbSpace：コンペ設計に工夫が見られる。優勝解法のピア レビュー制が面白い。最終提出選択がない。日本語。 Nishika：立ち上がり期で、オープンデータを用いたコンペが 多い。日本語。 Solafune：衛星データを題材にしたコンペを過去2度開催。 TopCoder：競技プログラミング。

    atmaCup：最近は日本のKaggle Grandmaster/Masterが集結 し、しのぎを削っている。運営のサポートが手厚く、初学者 おすすめ度も高い。日本語。 Quevico：Discussionなし。日本語も対応。 20