Kaggle #3

http://www.thomas-robert.fr/wp-content/uploads/postprevs/1383.png

Lors de la précédente session, les data héros que vous êtes, ont été initiés par Florent & Reynald aux compétitions Kaggle Digit Recognizer (https://www.kaggle.com/c/digit-recognizer), Facial Keypoints Detection (https://www.kaggle.com/c/facial-keypoints-detection) ou Titanic (https://www.kaggle.com/c/titanic).

Comme lors de l'atelier #2, deux ateliers auront lieu en parallèle et l’objectif sera d’échanger, de partager vos meilleures recettes de Machine Learning et pour certains d’entre vous d’effectuer vos premières soumissions Kaggle !

Cet atelier sera animé par :

• Alexia Audevart, data enthousiaste chez ekito

• Florent Pajot, consultant data scientist chez SQLi

• Reynald Rivière, data scientist chez Agora

• Frederic Sicot, Senior researcher à Geosys

Ordre du jour :

• Echanges, partage, pair programming et soumission de vos résultats à la compétition Titanic (https://www.kaggle.com/c/titanic) ou aux compétitions Facial Keypoints Detection (https://www.kaggle.com/c/facial-keypoints-detection) et Digit Recognizer (https://www.kaggle.com/c/digit-recognizer)

• Présentation des compétitions en cours

• Constitution des équipes

L’objectif de ce groupe est de fédérer une communauté de personnes, souhaitant découvrir et partager les meilleures recettes à utiliser dans les compétitions de Machine Learning organisées par Kaggle (feature engineering, hyper paramètres, cross validation, stacking, ensemble, blending, 'eXtreme Gradient Boosting', etc).

Pré-requis :

Vous devez être muni d’un ordinateur portable relativement récent et avoir installé

• Anaconda : distribution Python (version 2.7) libre intégrant directement un grand nombre de packages pour la Data Science.

https://www.continuum.io/downloads

• Un éditeur tel que Jupyter Notebook (ou Zeppelin, IPython) est également à prévoir (déjà installé dans Anaconda)

http://jupyter.readthedocs.io/en/latest/install.html

Les personnes souhaitant suivre l'atelier dédié aux traitements d'images devront installer les librairies suivantes :

• Scikit-image (http://scikit-image.org/) (déjà présente dans Anaconda)

• Theano (http://deeplearning.net/software/theano/install.html)

• Keras (http://keras.io/)

Attention : vous devez entrer le code d'invitation lors de votre réponse. Dans le cas contraire, la validation de votre inscription n'est pas assurée.

Procédure pour nous rejoindre :

Envoyez une demande d'inscription à la mailing list spéciale "Kagglers".

• Aller sur la page de google group https://groups.google.com (https://groups.google.com/)

• Recherche le groupe "Toulouse Data Science Kaggler"

• Demande à rejoindre le groupe