در این مقاله در مورد پلتفرم کَگِل (kaggle) توضیح دادیم، هدف اصلیمون آشنایی مختصر با این پلتفرم و نحوه استفاده از آن است.
پلتفرم کَگِل (kaggle) چیست و مورد استفاده چه افرادی قرار میگیرد؟
کَگِل (Kaggle) یک کامیونیتی مخصوص دیتاساینتیستها (Data scientists) و ماشین لرنینگ (Machine learning) کارهاست. Kaggle به کاربران اجازه میدهد دیتاسِتهای مورد نیازشان را پیدا و یا منتشر کنند، در یک محیط مبتنی بر وب (web-based) مدلسازی کنند، با دیگر دیتاساینتیستها و مهندسان یادگیری ماشین کار کنند وحتی برای حل چالشهای دیتاساینس (علوم داده) در رقابتهایی شرکت جویند.
کَگِل (kaggle) خصوصیِ یا زیرمجموعه شرکت دیگریِ ؟
جالب است بدانید که کَگِل (Kaggle) از سال 2017 که گوگل(google) آن را خرید، زیرمجموعه گوگل است.
چرا در دیتاساینس بهتره که از کَگِل (kaggle) اِستفاده کنیم؟
بر اساس ادعای وبسایت کَگِل، در این کامیونیتی میتوان بیش از 50 هزار دیتاست و 400 هزار ژوپیتر نوتبوک عمومی را یافت. در واقع کَگِل از محیطهای ژوپیتر ساختارنیافته و قابل شخصیسازی تشکیل شده که به کاربران امکان دسترسی به GPU نیز میدهد. شاید بتوان گفت که کَگِل همان «گیت هاب» ولی در دیتاساینس است که بیش از 12 میلیون نفر عضو دارد. بر مبنای اطلاعات کرانچ بیس نیز شرکت Kaggle Inc که صاحب این پلتفورم است، استارتآپیست که تا کنون 16 میلیون دلار جذب سرمایه تا سری آ (Series A) به انجام رسانده است.
بخش پرطرفدار کَگِل (kaggle) چیست؟
یکی از بخشهای جذاب و پرطرفدار کگِل بخش «رقابتهای کگِل» (kaggle competition) است. از آنجا که کگل بزرگترین کامیونیتی دیتاساینتیستها در جهان است، کَگِل به شرکتها و مراکز تحقیقاتی اجازه میدهد با طرح چالشهایی این جماعت را به رقابت بکشانند و مسائل خودشان را حل کنند. البته معمولاً بر اساس پیچیدگی مساله پاداشهای نقدی نیز برای چالشها پیشنهاد میشود.
در فرآیند رقابت کَگِل (kaggle) هر فردی میتواند میزبان یک رقابت شود. میزبان، مساله و دیتاست را به اشتراک میگذارد و جایزه را نیز تعیین میکند. سپس اعضا میتوانند در یک زمان محدود در مدل سازی بهتر دادهها رقابت نمایند. مراحل کار دائما به اشتراک گذاشته میشوند و دقیق بودن هر مدل بر اساس قدرت پیشبینی آن، تقریباً بلافاصله توسط سیستم انجام میشود. در نهایت میزبان با پرداخت جایزه حق مالکیت معنوی راه حل را از آن خود میکند.
چگونه در پلفترم کَگِل (kaggle) عضو شویم؟
عضویت و استفاده از این پلتفورم عملاً بخش جداییناپذیر کار یک دیتاساینتیست شده است.
در اینجا میتوانید لینک برخی از صفحاتی که نحوه شروع کار با کَگِل (kaggle) را برای مبتدیان آموزش دادهاند مشاهده کنید.