原文恕删 感谢outrunner与f496328mm两位回文，以下我会我的疑虑再打的清楚一点 久仰outrunner的大名。首先，先说声抱歉，我对wow完全没有概念= =，我的年纪还没 有这麽大，但我想我应该抓的到你要表达的意思。回到正题，我一开始的设想是，接 触这行的人，基本上来说都会有听过kaggle，而发这篇文的用意在於，收集一下从事这 行的人的想法，同时也想知道对於一个"面试官"来说，在看到面试者具有良好(top5% 或是in-prize之类的)成绩的时候，面试官会认为面试者具有什麽样的能力/优势，或是 能为他带来多少程度的加分。(其中特别想知道申请国外ms的状况，因为这就是我面临 的处境= =) 至於kaggle的问题，除了我提到的，其他较为"结构性"的大概还有发生data leakage 或是比赛课题本身根本就是lottery的状况，参赛者方面来说的还有像是用public kernel提交、多重帐号提交、硬体差异等等所带来的影响公信力的问题，上述三个基本 状况每场比赛都有，甚至还有在比赛结束前几天发一篇超高分的public kernal来摧毁 leaderboard的这种鸟事也有。不难想像如果有人将kaggle成绩奉为圭臬，他会受到 多少质疑。 另外，我了解要做从事这行要学的东西很多是kaggle给不了你的，但我在文中其实没有 提到kaggle不需要自己做data prepocessing，那部份我指的是，官方为了维护比赛本身 所要做出的措施，像是防止data leakage之类的，这种鸟事不胜其数，WSDM2018、 talkingData第一次办的比赛等等，应该不难想像要是比赛因此被摧毁，参赛者会有多赌 烂，上次我举的corporacion favorita，那个还只是小事情而已，毕竟top10里也有很多 人忽略。 而基本上比赛提供的资料虽然都还算友善，也的确是不需要过度的处理，但还是有不少 的特例，像是: Sberbank的NA地狱(https://goo.gl/8wjRg7) Zillow的一堆栏位也是有不少问题需要你一个一个慢慢弄等等(https://goo.gl/VkfUyv) 而为了因应花时间的问题或因应主办方的要求，也有kernal-competition的出现，像 是Mercari(https://goo.gl/gomuy3)那次，而且近期"frankenstein ensemble"式的优 胜解法也很少出现了。而关於收集资料的部份，有时官方也会允许你使用external data 我很认同"建模只是资料科学的一隅"的这观点，我有听说过一个说法是kaggle比赛就 像是做在车里游览非洲大草原，而真实世界的任务，则像是把你一个人肉身放在大草原 上求生存。但其实藉由参与其中，跟着比赛的timeline跑，真的能体会蛮多课堂学不到 的事情。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 61.230.110.77 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1526747366.A.81A.html