Kaggle大師教您用Python玩資料科學，比賽拿獎金(電子書)

本書是利用Python參加機器學習競賽「kaggle」的入門書。一開始先以適合初學者學習的「Titanic：Machine Learning from Disater」競賽學習Kaggle的基礎。從中除了可學習實踐Titanic的方法，還能掌握自行參加競賽所需的知識。

本書具有以下特色：
．為了kaggle撰寫的習作教學書籍
．每一章或每一節都有具體的主題，可讓讀者按部就班地掌握需要的知識
．解說各種表單、圖片檔、文字檔的操作方法，作為進入下一個競賽的路標。
．兩位執筆者都擁有「Kaggle Master」的稱號，也有賺到獎金的經驗
．除了說明之外，還有兩位筆者的對談，從不同的角度介紹Kaggle的魅力
．會為程式設計與Python的初學者詳細講解範例程式

石原祥太郎（u++）
．Kaggle Master（https://kaggle.com/sishihara）。
．2019年4月於「PetFinder.my Adoption Prediction」競賽獲得冠軍。
．2019年12月協助舉辦「Kaggle Days Tokyo」的競賽。
．於2019年3月在Qiita公開的Kaggle入門文章得到1600個讚。
．於日本經濟新聞社從事資料分析。

村田秀樹（咖哩）
．Kaggle Master（https://kaggle.com/currypurin）。
．2018年8月於「Santander Value Prediction Challenge」競賽得到solo gold medal（第8名）。
．2019年6月於「LANL Earthquake Prediction」競賽得到第三名。
．為了Kaggle初學者所寫的同人誌《Kaggle的習作》累計賣出2500本。
．從2018年7月開始成為專職Kaggler。

第1章｜了解Kaggle
1.1 何謂Kaggle
1.2 於Kaggle使用的機器學習
1.3 建立Kaggle的帳號
1.4 Competitions 頁面的概要
1.5 不需另行建置環境的「Notebooks」的使用方法

第2章｜著手進行Titanic
2.1 先submit ！試著寫進順位表
2.2 掌握全貌！了解submit之前的處理流程
2.3 找出下一步！試著進行探索式資料分析
2.4 在此拉開差距！基於假設建立新的特徵值
2.5 決策樹是最強的演算法？試著使用各種機器學習演算法
2.6 機器學習演算法的心情？試著調整超參數
2.7 在submit 之前！了解「Cross Validation」的重要性
2.8 「三個臭皮匠，勝過一個諸葛亮！」體驗集成學習

第3章｜往Titanic的下個階段前進
3.1 操作多個表格
3.2 操作影像資料
3.3 操作文字資料

第4章｜為了進一步學習
4.1 挑選競賽的方法
4.2 初學者適用的參賽方式
4.3 可選擇的分析環境
4.4 值得參考的資料、文獻、連結
4.5 第4 章總結

附錄A｜範例程式碼詳細解說