Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
「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...
Search
Shotaro Ishihara
July 31, 2020
Technology
2
5.5k
「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
「Rist主催 Kaggle Workshop #1」での発表資料
https://rist.connpass.com/event/182932/
Shotaro Ishihara
July 31, 2020
Tweet
Share
More Decks by Shotaro Ishihara
See All by Shotaro Ishihara
JOAI2025講評 / joai2025-review
upura
0
170
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
120
JSAI2025 企画セッション「人工知能とコンペティション」/ jsai2025-competition
upura
0
38
生成的推薦の人気バイアスの分析:暗記の観点から / JSAI2025
upura
0
200
Semantic Shift Stability: 学習コーパス内の単語の意味変化を用いた事前学習済みモデルの時系列性能劣化の監査
upura
0
29
日本語ニュース記事要約支援に向けたドメイン特化事前学習済みモデルの構築と活用 / t5-news-summarization
upura
0
40
Web からのデータ収集と探究事例の紹介 / no94_jsai_seminar
upura
0
300
記者・編集者との協働:情報技術が変えるニュースメディア / Kaishi PU 2024
upura
0
110
ニュースメディアにおける生成 AI の活用と開発 / UTokyo Lecture Business Introduction
upura
0
320
Other Decks in Technology
See All in Technology
SEQUENCE object comparison - db tech showcase 2025 LT2
nori_shinoda
0
180
マネジメントって難しい、けどおもしろい / Management is tough, but fun! #em_findy
ar_tama
7
1.2k
IPA&AWSダブル全冠が明かす、人生を変えた勉強法のすべて
iwamot
PRO
2
190
United Airlines Customer Service– Call 1-833-341-3142 Now!
airhelp
0
170
CDK Vibe Coding Fes
tomoki10
0
220
クラウド開発の舞台裏とSRE文化の醸成 / SRE NEXT 2025 Lunch Session
kazeburo
1
300
american airlines®️ USA Contact Numbers: Complete 2025 Support Guide
supportflight
1
110
タイミーのデータモデリング事例と今後のチャレンジ
ttccddtoki
6
2.5k
敢えて生成AIを使わないマネジメント業務
kzkmaeda
2
470
FOSS4G 2025 KANSAI QGISで点群データをいろいろしてみた
kou_kita
0
410
AWS CDKの仕組み / how-aws-cdk-works
gotok365
8
300
Delta airlines®️ USA Contact Numbers: Complete 2025 Support Guide
airtravelguide
0
340
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
42
2.7k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
Agile that works and the tools we love
rasmusluckow
329
21k
Visualization
eitanlees
146
16k
Optimising Largest Contentful Paint
csswizardry
37
3.3k
It's Worth the Effort
3n
185
28k
For a Future-Friendly Web
brad_frost
179
9.8k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.4k
Documentation Writing (for coders)
carmenintech
72
4.9k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Rails Girls Zürich Keynote
gr2m
95
14k
Transcript
「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
Q. おすすめコンペは何? 2
Q. おすすめコンペは何? A. 人それぞれだと思います 3
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
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
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
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
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
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
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
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
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
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
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
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
コンペ情報を知る twitterのKaggleリスト 『Weekly Kaggle News』 16
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
By Marios Michailidis (KazAnova), KDD 2018 at London, from @0verfit
’s tweet 18
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
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