Competition 참가자는 데이터를 스스로 준비할 필요가 없으며, 상위권으로 입상하면 상금을 받을 수 있습니다(하위권이라고 손해를 보는 일은 따로 없습니다). submit을 했을 때 곧바로 채점되고, 순위를 확인할 수 있어서 컴퓨터 게임처럼 순위를 높이려는 동기 부여가 되므로 머신러닝을 재미있게 배울 수 있습니다. _3p

그건 그런 것 같습니다. 캐글러들과 이야기할 때 ‘이것저것 다 해본다’라는 말을 많이 하는데요. 머신러닝 알고리즘이 효과가 있는지는 Dataset와 문제의 설정에 따라서 달라집니다. 그래서 머리로 ‘이것이 더 좋을 것이다’라고 생각하는 것보다는 일단 코드를 작성해서 실행해 보는 것이 중요한 것 같습니다. 만약 다른 사람의 해답을 보게 되더라도, 일단 손을 움직여서 한번 정도는 직접 submit해 보는 것이 좋다고 생각합니다. 이렇게 데이터의 사양, Competition의 특징을 파악하고 나서 해답을 보면 훨씬 잘 이해됩니다. _32p

이번 절에서는 탐색적 데이터 분석으로 데이터의 개요를 확인해서, 특징량들과 목적 변수의 관계를 확인했습니다. 구체적인 예로 시각화를 통해 ‘Parch와 SibSp 모두를 더한 ‘가족 인원 수’라는 특징량을 새로 만들어서, 예측 성능을 높일 수도 있다’라는 가설을 만들었습니다. _54p

이번 절에서는 이미지 데이터, 다음 절에서는 텍스트 데이터를 다루는 방법에 대해서 살펴보겠습니다. 다만 최근 급속하게 발전하고 있는 이미지 인식과 자연 언어 처리 분야를 이 책에서 모두 다루는 것은 불가능합니다. _99p

이 책에서는 파이썬을 사용해서 캐글을 살펴보았습니다. 초보자 대상 튜토리얼인 Titanic을
통해 캐글 기초를 배우고, 이어서 스스로의 힘으로 Competition할 수 있는 방법에 대해서 배웠습니다. _162p