1樓：a2Mia姐
把裡面一些內容摘錄過來：
▲學習合適的程式語言
工欲善其事，必先利其器。Kaggle比賽最流行的程式語言是Python，很多案例以及kernel上的baseline都是用python寫的；其次是R語言或其他。所以我們更推薦學Python。
關於入門Python的教程，《Kaggle入門，看這一篇就夠了》裡已經列出了很多學習資源。
▲掌握至少一種機器學習框架
常用的機器學習或深度學習框架包括Tensorflow，Pytorch，scikit-learn，Theano，Caffe，Keras等等，只要對其中1個有比較深入的了解，打Kaggle比賽基本沒有任何問題。掌握一種機器學習框架最有效的學習方式就是參照它的技術文件，親手把上面的例子過一次。案例看得再多，都不如自己親自動手做一次。
相關教程可以參考知乎話題或專欄：
《Keras，Theano，pytorch，caffe2 哪個更好一些，應該怎麼嘗試學習？》
《TensorFlow 如何入門，如何快速學習？》
；《Caffe系列教程》
；《新手如何入門pytorch？》
▲選擇合適的比賽型別
目前Kaggle上的比賽型別分為以下幾種，對參賽選手的門檻有不同層級的要求
1.面向初學者：
★.Getting Started
專案難度低，非常適合入門級的參賽者用來練手，但沒有獎牌或獎金，只能看到自己的排名。常年進行中的比賽有3個：
（1） Titanic
（2） House prices
（3） Digits Recognizer
這三個比賽由於常年掛在Kaggle上，資料集也未做任何更新，已經有很多baseline可以借鑑，很多參賽隊伍拿到了滿分或接近滿分的成績。
★.Playground
專案難度比Getting Started稍難，主要是一些趣味性的比賽，看創意而不是解決具體的研究問題，獎勵可能是獎金、榮譽，不能獲得獎牌。
2.面向競賽者：
★.Featured
是Kaggle上主要的競賽型別，為解決商業問題而設立的比賽，獎金高競爭激烈，有金銀銅牌獎勵，對參賽選手的能力有一定的要求。
★.Research
致力於解決科研界學術界的前沿問題，偏向於實驗性質，較難；競爭沒那麼激烈，通常也有獎金和金銀銅牌，但有的比賽只給榮譽獎勵，或者是提供參加頂會的機會。
3.面向求職者：
★.Recruitment
贊助商為招聘資料科學家而設立的比賽，獎勵就是贊助商提供的工作機會
4.其他比較冷門的比賽型別：
★.Annual
不是嚴格意義上的比賽，每年兩次，一次是美國大學籃球錦標賽期間的三月機器學習比賽，一次是聖誕節期間的聖誕主題優化比賽
★.Limited participation如果你是初學者，建議從入門級的Getting started或playground的比賽開始，能夠從中了解到打Kaggle比賽的一些基本思路/套路，也能獲得乙個比較好的成績，給自己建立信心。上面說完了比賽的型別，接下來介紹下比賽題目都有哪些類。
有針對性地選擇比賽題目。Kaggle上的比賽題目主要有這幾種：data mining（資料探勘），computer vision（計算機視覺）， natural language process（自然語言處理）， optimization（優化）。
如果你對計算機視覺有興趣，並且以後想申請相關方向的研究生或是職位，最好就專注於計算機視覺的比賽題目。同一種型別的比賽題目大多有套路可循，打的比賽多了，摸清了套路，自然成績會越來越好。此外還可以有針對性地選擇賽題細分領域，比如同樣是計算機視覺的題目，有的是和生物醫學相關（例如蛋白質圖譜分類），有的是和動物保護有關（例如座頭鯨的識別）。
如果你急於利用Kaggle比賽的經歷提公升自己的背景，但自學起來比較困難，不知道該怎麼規劃打比賽的路徑，找乙個經驗比較豐富的老司機帶一帶也是一種非常有效的方式。但大牛也不是那麼好找的，即使找到了人家也不一定有充足的時間教你。
現在市面上出現了很多針對Kaggle比賽的培訓班或訓練營，一般都是2-3個月的時間。推薦選擇具有真實比賽實操的輔導專案，以便能更高效率和高價效比地獲得一手且真實的Kaggle比賽經歷與優秀的排名成績，更直接地幫助你在無數競爭者中差異化背景，實現留學求職目標。
總而言之，打Kaggle比賽需要「無所不用其極」，除了要熟悉解決相關問題的方法，還需要在實踐中不斷優化解題思路。如果說科研考察的是乙個人對問題的洞察力，那麼Kaggle比賽考察的就是乙個人對資料的洞察力。Kaggle比賽不光培養乙個人的科研審美，還能夠幫助參賽者深刻理解資料科學的內涵，例如什麼是過擬合，什麼是泛化能力，你的模型能否經受得住別的資料集的考驗。
說到底，想斬獲更亮眼的名次，提高自己的技能包和實踐力才是終極解決方案！
2樓：losstie
嗯。可以看一些kaggle比賽案例。多在kaggle逛逛，有不少乾貨。想要快速入門其實還是實踐，參加乙個入門級別的比賽就能夠快速入門
Kaggle如何入門？
其他答案說的很詳盡，但是感覺篇幅很長，作用很小。我覺得入門分幾步 1 了解基本機器學習概念和演算法 可以上一下任何機器學習的公開課 2 在 1 的基礎上進一步了解各個演算法適合什麼樣的問題 可以看看傻瓜版再深入了解，Machine Learning For Dummies Cheat Sheet 了...
新手如何快速入門電音製作呢？
被迫改名的使用者 建議你先去學習一些宿主軟體的操作，fl live什麼的都行，新手的話推薦fl，然後教程的話B站有很多 看那種教fl使用的，不是做電音的 多看一看，然後等你你能明白這個軟體的操作然後就可以嘗試做了。然後了解一下各種各樣的電音風格house dubstep futureBass Dru...
銷售入門小白如何快速入門？
做任何事情要是能快速的掌握事務的本質，找到其規律，然後持續去做，就會容易很多，只可惜的是很多人都沒有掌握這個規律，銷售的具體的規律可以檢視下面的這個圖。多學習，多看，多交流，積累經驗，學會使用工具，CRM系統能夠將工作流自動化處理，根據所配置的規則自動流轉任務，節省工作時間。在操作層面，CRM系統能...