Introdução
Kaggle tem muitos recursos online para ajudar alguém a começar com ciência de dados. Possui milhares de conjuntos de dados, concursos de ciência de dados, envios de código em conjuntos de dados, chat da comunidade e até cursos para iniciantes. O usuário também obtém um perfil de usuário público que pode ser compartilhado, que rastreia e exibe todas as contribuições e realizações do usuário.
O perfil do usuário mostra quem o usuário segue, quem segue o usuário, Código de usuário, qualquer conjunto de dados do usuário e outras informações. Existem também vários métodos de classificação. O perfil kaggle serve como uma ótima maneira de criar projetos online compartilháveis e mostrar seu talento.. Como seu perfil HackerEarth ou Code Chef mostra suas habilidades competitivas de codificação, seu perfil kaggle serve como uma forma de expressar suas habilidades de ciência de dados.
Para construir um bom perfil kaggle, você precisa trabalhar com os dados e criar notebooks Python ou R de alta qualidade na forma de projetos e contar uma história por meio dos dados. Vários gráficos de dados podem ser adicionados, escreva vendas e treine modelos em Kaggle Notebooks. Você pode fazer muitas coisas com eles. E a melhor coisa sobre Kaggle Notebooks é que: o usuário não precisa instalar Python ou R em seu computador para usá-lo. Quase todas as principais bibliotecas podem ser importadas diretamente. Kaggle também fornece TPUs gratuitamente. Unidades de processamento de tensor (TPU) são aceleradores de hardware especializados em tarefas de aprendizagem profunda. Eles são compatíveis com Tensorflow 2.1 tanto por meio da API de alto nível Keras quanto, em um nível inferior, em modelos que usam um ciclo de treinamento personalizado.
Portanto, trabalhar com conjuntos de dados no Kaggle é muito fácil e conveniente e todos os iniciantes devem tentar o Kaggle para desenvolver algumas habilidades e conhecimentos.
Aqui estão alguns conjuntos de dados que todo iniciante pode experimentar e criar projetos incríveis:
1. Filmes e programas de TV da Netflix
Quem não gosta de Netflix? Este conjunto de dados kaggle tem programas de TV e filmes disponíveis no Netflix. Um projeto de análise de dados exploratórios de boa qualidade pode ser criado usando este conjunto de dados. Com este conjunto de dados, Você pode descobrir: que tipo de conteúdo é produzido em qual país, identificar conteúdo semelhante a partir da descrição e tarefas muito mais interessantes.
Meus cadernos favoritos
2. Desempenho do aluno nas provas
Esses dados são baseados na demografia da população. Os dados contêm várias características, como o tipo de comida que o aluno recebe, o nível de preparação para o teste, nível de educação dos pais e desempenho do aluno em matemática, leitura e escritura. Com os dados, vários tipos de problemas de regressão e classificação podem ser resolvidos. Também pode ser usado para descobrir quais fatores podem levar a melhores pontuações em testes.. Em geral, será interessante trabalhar nisso.
Meus cadernos favoritos
3. Classificação de preços para celular
O conjunto de dados Mobile Price Ranking tem muitas características de dados e uma grande variedade de dados que seguem vários padrões de distribuição. Existem características categóricas, dados numéricos contínuos e até dados binários. Um grande número de padrões de dados garante que seja possível trabalhar com uma grande quantidade de dados e lidar com vários cálculos matemáticos e estatísticas..
Meus cadernos favoritos
4. Imagens de gatos e cachorros
O clássico conjunto de dados de classificação Dog vs Cat. Existem muitas imagens de cães e gatos que podem ser usadas para treinar modelos e fazer previsões.. Este conjunto de dados é essencial para os alunos que estão tentando entrar no processamento de imagens ou visão computacional. O que mais, você pode ver muitas fotos fofas de cães e gatos.
Meus cadernos favoritos
5. Comentários do Trip Advisor Hotel
Os hotéis são uma parte importante das viagens e férias. Avaliações de hotéis são dados de texto, que pode ser processado usando métodos de processamento de linguagem natural (PNL). Há mais de 20.000 avaliações de hotéis seguidas por uma avaliação com estrelas de 1 uma 5. O conjunto de dados pode ser usado para treinar um modelo de classificação para determinar a classificação por estrelas para uma determinada revisão de teste.. Pode ser um bom trampolim para entrar na análise de texto e PNL.
Meus cadernos favoritos
6. Mercado Habitacional de Melbourne
O conjunto de dados do mercado imobiliário de Melbourne é um recurso de aprendizado favorito de todos os tempos para iniciantes em ciência de dados. Tem muitos recursos: dados numéricos, categórico e até geográfico (latitude e longitude). Por tanto, também pode ser usado para análise geoespacial e outros problemas de agrupamento. de forma similar, tarefas de regressão e classificação também podem ser realizadas neste conjunto de dados. Existem também vários exemplos de código e guias disponíveis para este conjunto de dados, tornando-o o conjunto de dados ideal para alunos.
Meus cadernos favoritos
- Melbourne || Caderno de análise abrangente do mercado imobiliário
- Caderno de análise abrangente do mercado imobiliário de Melboune
7. Modelagem de abandono
A taxa de desligamento de funcionários indica a frequência com que os funcionários da empresa deixaram seus empregos em um determinado período. É um aspecto importante da Análise de RH e estratégia corporativa. Os dados são características da vida real, como idade, o genero, tempo gasto com a empresa e outras características importantes. Os dados podem ser usados para criar um modelo de classificação e explorar padrões interessantes nos dados..
Meus cadernos favoritos
8. Amazon Top 50 livros mais vendidos 2009-2019
É sempre interessante trabalhar com um conjunto de dados de vendas e obter informações. Os recursos incluem classificação de usuários da Amazon, o número de comentários na Amazon e outros. Este conjunto de dados pode ser usado para criar projetos de EDA e também criar análises de regressão. Pode ser usado para criar um estudo de caso interessante sobre o sucesso dos livros mais vendidos.
Meus cadernos favoritos
9. Conjunto de dados pessoais de despesas médicas
Este conjunto de dados é usado para fazer previsões de seguro com base em várias funções. Recursos interessantes incluem IMC, o número de filhos e se a pessoa é fumante ou não. Também está incluído na categoria de dados demográficos e pode ser usado para exibir uma análise das despesas de seguro de um indivíduo.
Meus cadernos favoritos
10. Resultados da pesquisa de exoplanetas Kepler
Kepler tinha verificado 1284 novos exoplanetas em maio 2016. Em outubro 2017, há mais de 3000 Total de exoplanetas confirmados (usando todos os métodos de detecção, incluindo terrestre). O telescópio ainda está ativo e continua a coletar novos dados em sua missão estendida..
Os dados têm várias características, tudo isso pode ser um pouco difícil de entender. Guia explicado detalhado pode ser encontrado aqui.
Notas finais
Existem muitos laptops neste conjunto de dados, pode ser um pouco difícil para iniciantes, mas você pode trabalhar muito neste conjunto de dados.
Existem muitos outros conjuntos de dados e desafios disponíveis no Kaggle, com o qual iniciantes podem aprender. Seu perfil Kaggle também pode ser usado como um meio de expressar suas habilidades de ciência de dados..
A mídia mostrada neste artigo sobre conjuntos de dados Kaggle não é propriedade da DataPeaker e é usada a critério do autor.
