十一月 Kaggle 官方網誌摘要

接續把 11 月 Kaggle 官方網誌看完，總共五篇：

• 產品發表：Dataset 資源增加
• 十月 Dataset Publishing Awards 首獎訪談
• “Data Science for Good Events” 介紹
• Neural Network 介紹
• Neural Network 介紹第二部分：計算舉例

產品發表：Dataset 資源增加

Product Launch: Increased Dataset Resources

從 11/15 開始，使用者可以在 Kaggle 上面分享資料集的限制修改了。

• 500Mb -> 10Gb
• 1000 ZIP files -> 無限（需要是 ZIP file）
• 第一層只能 20 個檔案 -> 50 個

十月 Dataset Publishing Awards 首獎訪談

October Kaggle Dataset Publishing Awards Winners' Interview

第一名的 Dataset 是美國過去 50 年的大規模槍擊事件，數量從數據的角度來說不多，但是從悲劇的角度來說算滿多的，398 起。第二名是法國勞工薪資以及城鎮人口數據。第三名是巴西的選舉政治獻金資料，因為在念博士所以就順便發表一下。

台灣最近也有這樣的資料（github），以及鏡週刊一連串的報導。

數讀政治獻金：立委金主大解密！ - 鏡週刊 Mirror Media

Data Science for Good Event 介紹

Introducing Data Science for Good Events on Kaggle

Kaggle 類似 meetup 的服務

Neural Network 介紹

Introduction To Neural Networks

從 perceptron 開始當第一代模型作為例子，舉出模型不足的地方，依序加入 sigmoid function，接著將模型變成多層的 perceptron，進一步舉例增加內部節點，稍微說一下除了 sigmoid 也可以用 tanh 或 relu，最後提到多個輸出（multiclass）的情況，可以用 softmax。這邊是模型變種過程的部分，接著就簡單的帶一下 backpropgation 的算法，然後提出三個討論：

• computational complexity
  - 基本上就是因為每個節點都要算微分
  - 帶到 mini batch
  - 帶到用 GPU
• Gradient Descent may have trouble finding the absolute minimum
  - 帶出 momentum
• Hom to generalize
  - 帶出 auto differentiation

Neural Network 介紹第二部分：計算舉例

Introduction To Neural Networks Part 2 - A Worked Example

就是把上一篇的例子，用數學符號算一遍，把 bias 先忽略，稍微簡化了一下，就把一堆 w 上標下標的符號畫來畫去…

好吧，我覺得沒了解過 NN 的人應該 10 個有 9 個看不懂這兩篇。

#Kaggle
#MachineLearning
#DataScience