As melhores plataformas de Competição para Cientistas de Dados
Conheça plataformas como Kaggle, CodaLab e DrivenData para participar de competições de Data Science
Este texto é uma tradução livre com algumas atualizações da postagem original feita pela Parul Pandey.
Um agradecimento a autora por permitir a utilização do seu texto.
Como ter experiência na área de Ciência de Dados?
O que você faz depois de ter completado centenas de MOOCs, consumido milhares de livros e anotações e escutado um milhão de pessoas falando sobre sua experiência em Ciência de Dados? Você começa a aplicar os conceitos. A única maneira de aplicar conceitos em Ciência de Dados é colocando as mãos nos dados.
A área de Ciência de Dados tem uma particularidade interessante, é uma área em que é possível ganhar experiência sem ter um emprego formal. Isso é ótimo para quem está começando, pois, nem sempre é fácil ter 20 anos de experiência aos 30 anos para se aplicar em vagas de emprego, e também é fundamental para os mais experientes se manterem atualizados com problemas fora do seu dia a dia.
Uma forma de ganhar essa experiência é através das Plataformas de Competição na Área de Dados. Nelas são divulgados problemas em diferentes áreas, muitos são problemas reais, com dados disponíveis para exploração e um objetivo em foco, sem contar a possibilidade de ganhar premiação e reconhecimento na área. Competições de DS e ML são muito além do que testar algoritmos prontos, envolve todo o processo de entendimento do problema, modelagem da solução, testes de hipóteses e otimização em busca de um objetivo, sem contar que a possibilidade de comparar soluções com diferentes profissionais traz uma experiência única.
Vantagens de participar em competições de ciência de dados
Você tem muito a ganhar e praticamente nada a perder participando dessas competições. Tem benefícios tangíveis e intangíveis como:
- Ótima oportunidade para aprender.
- Ser exposto a abordagens e conjuntos de dados de última geração.
- Networking com pessoas afins. Trabalhar em equipe é ótimo, já que ajuda a pensar sobre um problema de diferentes perspectivas.
- É uma forma de apresentar seu talento para o mundo e ter uma chance de ser recrutado.
- Também é divertido participar e ver como você se sai na tabela de classificação.
- O prêmio é um bônus adicional, mas não deve ser o único critério.
O Kaggle é uma plataforma bem conhecida para competições de Data Science. É uma comunidade com diversos usuários, desde novatos a especialistas, que publicam as suas soluções e análises em diferentes problemas e fontes de dados disponibilizados na plataforma.
Caso você não conheça o Kaggle e nem o básico de competições de ML. Se liga no canal do Mário Filho e no artigo do Paulo sobre o assunto. Nossos Community Managers dão dicas importantes para quem quer começar a competir.
No entanto, além da Kaggle, existem outras Plataformas de Competição na Área de Dados que valem a pena conhecer e explorar. Aqui está uma breve visão geral de alguns deles e uma listagem mais completa ao final levantada pela nossa comunidade.
Driven Data
A DrivenData hospeda competições de ciência de dados para construir um mundo melhor. Eles trabalham com projetos que tenham intersecção entre ciência de dados e impacto social em diferentes áreas, como desenvolvimento internacional, saúde, educação, pesquisa, conservação ambiental e serviços públicos.
Os conjuntos de dados listados no Driven Data estão relacionados a organizações sem fins lucrativos que vão desde a preservação da vida selvagem até a saúde pública. Assim, se você quiser aplicar suas habilidades para problemas do mundo real e ainda melhorar o planeta, esta é a plataforma para você.
CrowdANALYTIX
CrowdANALYTIX é uma plataforma crowdsourcing que converte desafios e problemas de negócios em competições. A CrowdANALYTIX Community colabora e concorre para construir e otimizar algoritmos de IA, ML, NLP e Deep Learning. A plataforma também hospeda um blog da comunidade que tem ótimos recursos, incluindo entrevistas e materiais de referência.
Innocentive
A InnoCentive se concentra principalmente em problemas relacionados às ciências da vida, mas também tem outras competições interessantes. Aqui, os Solvers contribuem para enfrentar alguns dos problemas mais prementes do mundo, desde facilitar o acesso à água potável a nível doméstico até dispositivos solares passivos projetados para atrair e matar mosquitos portadores de malária. Desafios são problemas reais que exigem concentração sustentada, pensamento crítico, pesquisa, criatividade e síntese de conhecimento. Desenvolver uma solução é incrivelmente gratificante e um treino mental inigualável.
TunedIT
TunedIT começou como um projeto de doutorado científico realizado na Universidade de Varsóvia. O objetivo era ajudar os cientistas de mineração de dados a conduzir experimentos repetíveis e avaliar facilmente os algoritmos orientados por dados. A parte de pesquisa foi complementada mais tarde com a plataforma TunedIT Challenges para hospedar competições de dados — para fins educacionais, científicos e de negócios.
Codalab
O Codalab é uma plataforma de código aberto que permite que pesquisadores, desenvolvedores e cientistas de dados colaborem, com o objetivo de avançar em campos de pesquisa nos quais o aprendizado de máquina são usados. O CodaLab ajuda a resolver muitos problemas comuns na área de pesquisa orientada a dados por meio da sua comunidade online, onde as pessoas podem compartilhar planilhas e participar de competições. É possível participar de uma competição existente ou sediar uma nova dentro da plataforma.
Analytics Vidhya
O Analytics Vidhya fornece um portal com bastante conteúdo para profissionais de Analytics e Data Science. Além de fornecer ótimos recursos para o aprendizado na área de Dados, também hospeda os hackathons, que são problemas reais da indústria sendo lançados na forma de concursos. Você pode participar dos desafios ou patrocinar um hackathon. A maioria das empresas que organizam o hackathons no Analytics Vidhya também oferecem oportunidades de emprego para os melhores marcadores.
CrowdAI
A plataforma de desafio de ciência de dados crowdAI hospeda vários desafios a cada ano. Os desafios abrangem problemas de classificação de imagens, reconhecimento de texto, aprendizado de reforço, ataques adversários, segmentação de imagens, otimização de alocação de recursos e muitas outras áreas em vários domínios. Eles receberam mais de US $ 100 mil da Amazon e da Nvidia por seu desafio de 2017 chamado “Learning to Run”.
Numerai
Numerai é um fundo de hedge administrado por uma rede de cientistas de dados. Ele realiza uma competição de ciência de dados a cada semana que alimenta um fundo de hedge real, então são fornecidos dados criptografados toda semana para seus participantes, que então enviam suas previsões afim de ganhar a criptomoeda da plataforma. Numerai então cria um meta-modelo de todas as suas submissões e faz investimentos.
Os cientistas de dados apresentam suas previsões em troca do potencial de ganhar algum Numeraire, que é a criptomoeda utilizada pela plataforma.
Tianchi
Tianchi é uma plataforma de competição de dados da Alibaba Cloud e se assemelha a Kaggle de várias maneiras. É uma comunidade na qual centenas de milhares de cientistas de dados cooperam entre si e se conectam com empresas e governos globalmente para resolver os problemas de negócios mais difíceis em todos os setores.
DataScienceChallenge
Os desafios do DataScienceChallenge são patrocinados pelo Laboratório de Ciência e Tecnologia de Defesa (Dstl), assim como vários outros departamentos do governo do Reino Unido, incluindo o Escritório do Governo para Ciência, SIS e MI5. Os desafios são projetados para encorajar as mentes mais brilhantes da ciência de dados a ajudar a resolver problemas do mundo real.
Тренировки ML (ML Trainings)
Por último o Тренировки, site russo que indexa várias páginas de competição e centraliza essa informação no seu site de buscas. Ele lista competições tanto de plataformas de competição, quanto de sites específicos que alguma empresa cria para os desafios. O buscador é simples e não precisa saber Russo para usar e pesquisar a competição que mais te agrada.
Outras Plataformas
Além das Plataformas apresentada na postagem, os Data Hackers Gilberto e Mário Filho, Grandmasters no Kaggle, levantaram uma lista enorme de plataformas que disponibilizam competições na área de dados. Confere ai:
- Kaggle — https://www.kaggle.com/competitions
- Drive Data — https://www.drivendata.org/
- Тренировки ML — http://mltrainings.ru/
- Analytics Vidhya — https://datahack.analyticsvidhya.com/
- NumerAI — http://www.numerai.com/
- CrowdANALYTIX — https://www.crowdanalytix.com/community
- TopCoder — https://www.topcoder.com/challenges
- TunedIT — http://tunedit.org/challenges
- CodaLab — https://competitions.codalab.org/
- Tianchi — https://tianchi.aliyun.com/competition/gameList/activeList
- DataScience Challenge — https://www.datasciencechallenge.org/
- HackerRank — https://www.hackerrank.com/categories/ai/machine-learning
- Grand Challenge — https://grand-challenge.org/challenges/
- hahub — https://chahub.org/
- crowdAI — https://www.crowdai.org/challenges
- KDD — https://www.kdd.org/kdd-cup/
- Signature — https://signate.jp/competitions
- DC Jingsai — https://www.dcjingsai.com/common/cmptIndex.html
- IA Challenger — https://challenger.ai/
- Kesci — https://www.kesci.com/home/competition
- Halite — https://halite.io/
- Codi Game — https://www.codingame.com/multiplayer/bot-programming/coders-strike-back
- INNOCentive — https://www.innocentive.com/our-solvers/
Caso você conheça alguma outra plataforma que não esteja na listagem acima, manda um pull-request no repositório https://github.com/marlesson/list_of_ml_competitions que atualizo a postagem.
Não importa o seu nível profissional, competições na área de dados é uma das melhores formas de estudar e aprender coisas novas. Não tenho medo de competir.