6 датасетов на Kaggle, чтобы начать практиковаться в ML

6 датасетов на Kaggle, чтобы начать практиковаться в ML В одном из прошлых постов я писала о том, нужен ли ML аналитику, и советовала хотя бы один раз обучить простую модель, чтобы понять, как это работает на практике Как и обещала, делюсь датасетами, с которых удобно начать. Я выбрала те, по которым много примеров, ноутбуков и объяснений на Kaggle 🛥 Titanic Классический датасет для старта, я его встречала даже на собеседовании на аналитика. Задача : предсказать, выжил пассажир или нет Почему он удобный: небольшой, понятные признаки, можно спокойно потренировать preprocessing и первую классификацию Часто это самый первый ML-проект у новичков 🏠 House Prices Следующий хороший шаг после Titanic. Здесь уже задача регрессии : нужно предсказать цену дома Датасет интересен тем, что: много признаков, много feature engineering, можно попробовать разные модели 🎲 Digit Recognizer (MNIST) Один из самых известных датасетов в ML. Задача : распознавать рукописные цифры Хороший способ попробовать: работу с изображениями, простые нейросети ✍️ Disaster Tweets Небольшой и удобный датасет для первого NLP-проекта. Задача : определить, говорит ли твит о реальной катастрофе или нет Можно попробовать: TF-IDF, логистическую регрессию, базовые NLP-модели 💳 Credit Card Fraud Detection Задача : найти мошеннические транзакции. У нас, кстати, подобными задачами занимается отдельная команда Интересен тем, что здесь сильный дисбаланс классов: мошенничества очень мало. На таком датасете хорошо разбираться с: ROC-AUC, Precision / Recall, методами работы с imbalance 📉 Store Sales - Time Series Если хочется попробовать прогнозирование временных рядов. Задача : предсказать продажи магазинов Можно потренировать: лаги, rolling features, time-based валидацию 💡 Если идти по порядку, можно попробовать так: Titanic ➡️ House Prices ➡️ NLP или MNIST ➡️ Time Series ➡️ Fraud Detection Так вы попробуете почти все основные типы задач в ML и возможно найдёте что-то себе по душе