Kaggle大师系列赛–专访Kaggle排名第八和竞赛大师Ahmet Erdem
每个数据科学有志者都需要认真学习的金色词汇。
我们看到数据科学中各种各样混乱的工作描述，期望人们从他们的教育背景出发。您需要博士学位 或者您需要应用数学硕士等。
作为只想在数据科学中扮演第一角色的人，这看起来令人生畏和无助。因此，这些都是Ahmet Erdem非常及时且相关的想法。
是的，我们很高兴今天与Ahmet Erdem分享我们对Kaggle Grandmaster系列的第二次采访！
数据科学采访Ahmet Erdem
Ahmet是Kaggle Competitions的大师级人物，目前排名第8位-在Kaggle的高层中。他在比赛类别中获得了12枚金牌和15枚银牌，这是一项了不起的成就。
此外，他还是笔记本和讨论方面的Kaggle大师。Ahmet目前是NVIDIA的高级数据科学家，他在多家公司拥有多年的经验，可让您深入了解数据科学和NLP的力量。此外，他还拥有鲁汶大学（KU Leuven University）的人工智能硕士学位。
这是Kaggle大师访谈系列中的第二次访谈。您可以在这里阅读第一次面试：
Kaggle Grandmaster系列–独家专访2x Kaggle Grandmaster Firat Gonen
在这次采访中，我们涵盖了一系列主题，包括：
Ahmet Erdem从软件工程师到数据科学的过渡
Ahmet的NLP旅程及其对NLP爱好者的建议
从头开始的Erdem的Kaggle旅程，成为大师
因此，请接受本次采访，并全力以赴！
Ahmet Erdem从软件工程师到数据科学的过渡
数据科学访谈Ahmet Erdem-机器学习的软件工程
Analytics Vidhya（AV）：您从软件工程切换到数据科学。如今，这是很多人都在尝试的旅程，尤其是在我们的Analytics Vidhya社区中。您如何设法克服这一过渡的障碍？
Ahmet Erdem（AE）：实际上，从软件工程到数据科学的过渡并不是一个很大的挑战。
“数据科学家的职位定义变化很大，但我相信数据科学家应该擅长数学/统计和编程。通过学习计算机科学，人们已经可以在数学和编程方面脱颖而出。”
所以剩下的就是统计数据，最后是机器学习。为了获得这个缺失的部分，我决定攻读人工智能硕士学位。没有单一的道路，自学也是可能的，但是我认为这种教育背景对我来说有所不同。
AV：这是一个很有趣的选择。您将向想要从软件工程学转向数据科学的任何人推荐5个关键点或最佳实践？
AE：我可以向想要从软件工程学转向数据科学的任何人推荐5个要点：
了解机器学习算法背后的理论
准备好从定义明确的任务切换到开放式任务
获得一些软技能，数据科学的一半内容是说服人们您的模型有效
忽略希望您拥有博士学位的看门人。相关研究比博士更重要
继续使用软件开发实践（版本/皮棉等）
Ahmet的自然语言处理（NLP）旅程
数据科学访谈Ahmet Erdem-NLP应用
AV：在您的职业生涯中，您已经为NLP问题进行了广泛的研究。NLP现在是一个蓬勃发展的领域，似乎每周都会发布令人难以置信的最新模型！您如何设法跟上这些进展？
AE：我在工作中的NLP问题通常不受监督，数据很大。因此，推理时间比准确性更重要。这不仅是工程上的挑战，而且更简单的模型对我们更有用。但是我也对高级模型感兴趣。Kaggle是跟上所有这些高级模型的最佳场所。
当我加入Kaggle时，LSTM是新事物。我研究了它们，并尽我所能地练习了它们。突然之间，由于有了Transformers，他们变得过时了。同样，Kaggle给了我所有机会来熟悉《变形金刚》。
AV：您认为未来2-3年NLP的发展方向如何？到目前为止，进步的速度令人震惊-我们很想听听您对NLP趋势发展方向的想法。
AE：我相信NLP的唯一挑战是可用数据和计算能力。如果我们将当前的NLP模型与我们（人类）进行比较，我们将拥有巨大的时间优势。我们的大脑已经进化了数百万年。他们每秒钟都接受我们所经历的一切训练。想象一下，使用大量不同的数据训练NLP模型5年。
“我想说的是，我相信意识不是二元的。”
甚至当前的NLP模型都具有这种功能，但是到了某个时候，将它们关闭会感觉就像您正在杀死某人。但是，根据当前的数据隐私政策和可用的计算能力，肯定需要超过2-3年的时间。
从头开始的Ahmet的Kaggle旅程，成为大师
AV：您是目前排名8的竞赛大师，您能否确定旅途中的3项比赛或里程碑？
AE：三项比赛对我来说是里程碑：
Quora问题对：这是我的第一次比赛。这是一个非常有趣的问题，我从内核和讨论中学到了很多东西。令人惊讶的是，我几乎获得了个人金牌。没想到！
Favorita杂货销售预测：这是我第一次也是唯一一次获得奖金。我有很好的团队合作经验，并从我的队友那里学到了很多东西。多亏了他，我注意到了神经网络在时间序列问题上的强大能力。这项比赛的金牌使我成为了Kaggle Master
PLAsTiCC天文分类：这是我的第一个独奏金牌。我像一个单人团队一样为这项比赛工作。我设置任务并对其进行跟踪，记录了我的实验，并使用Gi??thub进行版本控制。我运用了各种技巧，帮助我最终获得了第四名
AV：您为每次黑客马拉松遵循什么框架？在查看问题陈述之前，您是否要牢记一组步骤？
AE：是的！以下是参加Kaggle比赛时遵循的典型步骤：
了解问题和指标
尝试提出独特的想法
使用最基本的模型设置验证方案
迭代添加功能和模型复杂性
记录每个实验
尝试了解每个实验的正面或负面影响，并设计下一个实验
AV：对于现在开始使用数据科学黑客马拉松并且竞争如此激烈的人来说，这些初学者应该专注于哪些技术来提高自己升读排行榜的机会？
AE：
“初学者应该专注于学习而不是排行榜。”
如果他们迷恋自己的排名，可能会阻碍他们的学习。阅读别人的想法并提出自己的想法，然后付诸实践是学习的关键。
也许其中90％的想法行不通，但是获得的知识将在接下来的比赛中为他们提供帮助。否则，调整公共内核参数以获得更高的分数将浪费时间。因此，目标今天不应排名第71，未来目标应该排名第一。
题库