数据竞赛，是业内工作者和数据爱好者证明、磨练自己实力的一种有效方式。
作为全世界最知名的数据挖掘以及机器学习竞赛平台，Kaggle早已成为数据玩家一试身手的练兵场。
它成立于2010年，于2017年被谷歌收购，目前拥有注册用户过百万，其中Grandmaster级别95人，Master级别890人。
如何能够在比赛中脱颖而出、拿到金牌、迅速晋级Master甚至Grandmaster？大神们究竟有哪些独门秘籍？这是许多刚入门的新手的困惑。
今天图灵君采访到两位Master级别的大牛，为您揭秘Kaggle及数据竞赛中的那些事儿！
嘉宾介绍
包梦蛟，北京航空航天大学，硕士，kaggle最高排名215，3金6银，国内数据科学竞赛top 3 若干。
蔡恒兴，中山大学硕士，曾任香港理工大学助理研究员。kaggle最高排名206，2金7银，国际顶级数据挖掘赛事KDD CUP 2017季军，2018亚军。现就任于滴滴出行。
以下是采访全文：
1、您是什么时候开始参赛的，有什么契机？
包：我是在硕士一年级的时候开始接触竞赛的。因为当时正好保研，刚到实验室里面活不是特别多，自己的研究方向也跟这个比较相关，就开始看这些比赛。
选择Kaggle是因为它本身是一个比较国际知名的竞赛平台，影响力够大。而且有意思的是，在这个平台上可以找到很多以前之前的一些大神的账号，就比如深度学习的鼻祖Hinton，还有Tianqi Chen等，早期就在上面，只不过现在不活跃了。
中国也有很多自己的一些平台。比方天池、DF之类的，Kaggle与国内的平台相比会有一个明显的特点，就是它的UGC特别强，有很多用户在上面分享自己的一些心得，国内的平台这块相对弱些。 DF平台有一个面向数据科学的社区，也挺不错的，比较垂直。
蔡：我也是从研一开始参赛的，因为当时时间比较充裕。我研究生的专业是智能交通工程，会在学校里面学到一些算法相关的内容，学了之后能就想去尝试一下。
第一个比赛比较初级，后来有个10万美金的比赛当时挺火的，我也参加了，那次开始就始喜欢上了打比赛，再后来就认识了很多志同道合的小伙伴，一直坚持到了现在。
2、对准备参加kaggle竞赛的同学有什么建议?
包：第一，如果想参加这方面比赛的话，从Kaggle入手是一个很明智的选择，它给新人的资源非常多，所以你可以学到很多大牛选手的经验等等；其次是要多跟经验丰富的人交流，如果自己搞，提升会比较慢，所以最好能多跟别人交流，加一些社群。
蔡：多利用网站上的资源，具体的技巧我会在沙龙中分享。
3、第一次比赛的情景记得吗？是什么主题？
包：第一次比赛是自然语言方面一个处理文本相似性的题目。出题方是国外的一个类似知乎的网站叫Quora，核心就是给到两个问题文本，然后判断文本之间是否具有相似性。
因为是第一次参加比赛，所以当时还是从做研究的思路着手，先是查阅各种论文，然后再看一些开源的代码来参考大家是怎么做的。
后面参赛就会发现，其实涉及的东西相对单一，不需要绕那么大的弯子。因为在社区里面其他选手会提供一些很好的思路，然后你从这些思路多研究研究，就能在这个的基础上获得一个较好的结果的提高。
不过之前的论文也不算白看，肯定会有收获，但是如果单纯为了竞赛提高分数的话是可以走一点“捷径“的。
所以做研究的思路和打比赛的思路，其实还是有区别的？
对，一开始的研究思路相当于没有经验的广撒网，后来的比赛思路就是可以通过大家的分享去找寻快速的突破点，然后在这个突破点上尽量提高。
组队或者前期准备有遇到过那些坑或者有趣的事儿？
包：我是跟几个本科的学弟组队的，所以还好，他们当时时间也比较充裕，没遇到特别的坑。
刚开始参赛，找熟人组队比较靠谱也比较容易，因为你一开始可能也比较菜，也没有排名，找陌生人组队会涉及信任的问题；后面你打出成绩了，再找一些大牛组队，才会相对容易一些。
蔡：之前会遇到组队人数较多的，就会有组员不出力的情况。我现在有一些固定的组队成员，刚开始是从网上认识的，然后国内的比赛会有线下答辩，答辩之后就熟悉了，因为见过面之后，会更有信任感。我觉得如果要组队的话，最好控制在3个人以内。
4、您个人的研究方向或者平时工作的主要方向是？
包：我的工作方向主要包括两个方面：一是神经架构搜索（NAS）；二是表数据的自动机器学习（tabular AutoML），都属于自动机器学习的大类。可以理解为只需要提供数据，一键出结果，不需要设计网络结构，不需要做FE，筛选等。
蔡：我的工作方向主要还是预测-回归相关的，与打比赛不一样的是工作会涉及整个流程，包括数据处理，比赛中的数据一般是处理好的。还有一个不同就是工作中对单项精度的要求不会那么高，你首先要跑通流程，然后再考虑优化的问题，会更多地考虑线程和代码扩展性。
5、从第一次参赛到master您用了多长时间？大概参加了多少场比赛？
包：我大概用了四场比赛，前三场银牌，第四场金牌。到目前为止参加了10多场Kaggle比赛+10多场国内的比赛。
蔡：我是用了差不多一年多，大概参加了10场。
6、这些比赛主要集中在哪些技术方向？有什么共性吗？
包：我个人参赛主要集中在三个方向：图像、自然语言和结构化数据（表数据）
比方说在图像里面分类检测的问题是最常见的；在自然语言里面除了分类，再就是匹配，阅读理解的问题，可能是最常见的；然后在表数据里面就跟业务比较相关，比如说一些点击率预估、反欺诈、推荐等等，基本都是分类和回归的预测性任务。
蔡：偏向结构化设计的题目多一些，因冲击Master的时候做类似的题目较多，拿金牌把握大一些。
7、其中印象最深的是哪次比赛，可以简单描述一下吗？
包：印象最深的是第一次比赛，学到的东西最多，因为你对之前对这个流程完全不了解，完全是一张白纸，会通过论坛或者是博客学习，就感觉提升非常的大。然后因为第一次在看了很多论文，所以也是另外一个收获，后面的比赛就不再有这种感觉了。
蔡：我印象表深的是一个叫圣诞老人的比赛，是在圣诞节前后发布出来的，题目是一个最优化问题，印象比较深。 是因为那个是我的第一个金牌，大年三十的时候还在做相关的工作。
8、您觉得参赛对找工作或者职场晋升有帮助吗？
包：我觉得现在对应届生来说，参赛是一个必要条件而非充分条件。在最早2015年左右，做这方面的人很少，基本拿一个比赛就可以拿一个offer，但是现在人越来越多，几乎每个应届生都会有一两个比赛，这就类似高考，可以证明你的学习能力比较强，但不可以证明你各方面都很优秀。
所以对应届生除了比赛之外，还是要刷好题，准备好简历。对于工作的大佬来说作用就微乎其微了，不如当成一种爱好。对应届生和转行的同学，还是有一定好处的。
蔡：我觉得对于非计算机专业的学生是一个加分项的，尤其是影响力比较大的比赛，如果你想转行的话，可以当成敲门砖。
9、对于刚入门的同学或者想快速进阶的同学，您有什么建议？
包：第一：刚开始要抱着学习的心态，不要特别功利。兴趣是最好的老师，能够帮你坚持下来；如果太功利，会让你特别累而且结果可能也不是特别好。第二：如果你专攻一个方向的比赛，比如说图像相关的，可能半年时间就差不多能达到TOP1%的水平；如果追求广度的话，耗费的精力会比较多，也有难度。第三：要多看别人的东西，从中吸取经验。
蔡：对于刚入门的同学可以多参加新手赛，教程入门友好，内容非常详尽。
10、您还会继续参赛吗，大赛选择上以后会有一些偏好吗？
包：会继续参赛。参赛是让我保持不断学习的一个途径，可以在一些真实的数据上面检验自己的一些新想法。
大赛选择上没有特别的偏好，每个方向基本上都会做，但是更擅长NLP和表数据。会重点关注一些学术会议配套的竞赛，因为问题新颖，趣味性比较强。
蔡：会参赛。会选择像KDD CUP等认可度比较高的比赛。然后我也比较注重题目的趣味性以及是否跟自己的研究方向相符。
11、您觉得kaggle带给您哪些心态上的变化？
包：心态上就是两方面，第一是刚开始可能对那些排名高的人特别崇拜，后来当你慢慢的从没有排名到一万名，然后再打到一千名、一百名，就会从仰望区到达了舒适区，但是对排名前十名的话还是特别敬畏，大佬们都是很厉害。
第二就是功利心没那么强了，因为你有五个金牌，或者跟你有十个金牌，其实区别不是特别大。一开始是抱着学习的心态，后面就会想刷分陷入一种比较焦虑的状态，但是当得到了之后又会回到学习的心态。
蔡：学习的越多，见的越多，就会越发现自己的不足。
12、您有没有特别崇拜的大神，国内或国外的都行，他们身上哪些点最吸引你？
包：我比较崇拜的是美团的燕鹏老师还有就是目前排名第一的Kaggle ID：Bestfitting，也是一名中国人，战绩都非常辉煌。
蔡：我比较崇拜的是陈天奇，他在算法和工程方面能力都很强，天才级选手。
13、您平时有什么爱好？打比赛会大幅度挤压生活时间吗？
包：比较喜欢运动，之前坚持了很久的健身。后来上班忙了就有点断断续续，打比赛说实话会挤压生活时间，基本上是打游戏不太可能了。
蔡：读书和桌游，最近在读的是《刻意学习》和《金字塔原理》。打比赛会非常挤压生活时间，我一般会全身心投入，一天之中除了比赛做其他事情的时间不会超过2个小时。
14、国内目前也有一些数据竞赛平台，像我们图灵联邦就是，您在选择参赛平台的时候，主要的考虑因素有哪些？
包：主要会考虑题目是否是自己感兴趣的方向；其次也会看奖金的多少。
蔡：同上。
15、您平时工作或生活中有没有觉得哪些工具或者APP特别好用（时间规划或其他种类的）？
包：画图的工具 PressOn，适合文字工作者的Markdown工具 typora，时间管理的话基本都是ios自带的工具，还有就是Overleaf一个latex云平台。
蔡：Xmind，画思维导图用到的比较多。
16、平时您获取最新行业资讯的渠道有哪些？你如何跟上这个领域的最新研究？
包：Quora，Reddit，arxiv
蔡：Youtube和B站
17、在传统程序员转型到从事于人工智能，机器学习等相关领域的过程中有什么好的建议？我们了解到像CDA数据分析师这样的培训班现在很火，您觉得有必要吗？
包：其实现在整体供大于求，不是太建议轻易转行，当然，对高端人才还是没有影响的。
关于培训班这块，要看自己的实际情况，报培训机构，可以帮助减少自己的筛选时间，当然如果底子还行，可以自己去看一些比较有名的公开课。
最后提一点，参加竞赛对转行来说也是很有必要的，因为转行之前你可能接触不到接真实数据，可以把竞赛作为一个切入点、一个项目来做，以梳理自己的知识，积累经验。
蔡：只要有决心就可以转。我有个同事之前做后端开发，他花了半年-1年转过来的，建议就是把基础打牢，把基本的算法推导清楚，就能打败很多人。
18、在kaggle比赛中遇到了哪些困难？最后是怎么解决的？
包：入门会稍微有点困难，但可以投入时间精力解决。
蔡：还是那句话，只要有决心，所有的困难都不是困难。
19、Kaggle让您觉得好的地方在哪里，还有什么可改进的？
优势：1、反作弊强 2、分享的内容丰富，可借鉴的思路较多 3、计算资源相对充裕。
改进的地方：望能对中国网络做一些优化。
20、你觉得数据科学/ML 中有趣的问题是什么？
包：AutoML比较有趣，在这里推荐一个自动机器学习工具
https://github.com/microsoft/nni，大家有兴趣可以试一下。
蔡：强化学习方面的，比如让AI自己去玩游戏这种的就很有意思！
（完）
以上，有没有让你对Kaggle以及数据竞赛有了进一步了解呢？
如果您还有其他问题、想近距离与两位Master交流，机会来了！
敲黑板，往下看～
由图灵联邦与CDA数据分析师联合主办的《Kaggle大神手把手，教你玩转数据分析》线下沙龙将于6月29日（周六）在北京举办,活动免费！
届时除了两位Kaggle大牛，还会有神秘嘉宾为您带来数据分析超级干货。
扫描下面图片二维码或者猛戳文末阅读原文，赶紧报名吧！
