怎么在git上获取kaggle比赛中的共享代码

可以以个人或者组队的形式参加比赛。组队人数一般没有限制，但需要在 Merger Deadline 前完成组队。为了能参与到比赛中，需要在 Entry Deadline 前进行至少一次有效提交。最简单地，可以直接提交官方提供的 Sample Submission。关于组队，建议先单独个人进行数据探索和模型构建，以个人身份进行比赛，在比赛后期（譬如离比赛结束还有 2~3 周）再进行组队，以充分发挥组队的效果（类似于模型集成，模型差异性越大，越有可能有助于效果的提升，超越单模型的效果）。当然也可以一开始就组好队，方便分工协作，讨论问题和碰撞火花。
Kaggle 对比赛的公正性相当重视。在比赛中，每个人只允许使用一个账号进行提交。在比赛结束后 1~2 周内，Kaggle 会对使用多账号提交的 Cheater 进行剔除（一般会对 Top 100 的队伍进行 Cheater Detection）。在被剔除者的 Kaggle 个人页面上，该比赛的成绩也会被删除，相当于该选手从没参加过这个比赛。此外，队伍之间也不能私自分享代码或者数据，除非在论坛上面公开发布。

最近几年人工智能越来越火，无人驾驶、智能音箱等行业正在爆发，优秀的人工智能工程师越来越供不应求，一些从事人工智能行业的优秀毕业生起薪就是几十万，这让很多同龄人羡慕不已，行业现状真的是这样吗？如果想从事人工智能行业技术工作的话，有哪些技术社区可以去学习、交流相关技术？

   去年11月8日，IDG曾发过一份《2017中国准独角兽公司薪酬调研报告》。在这份报告中曾对人工智能领域的薪资待遇有过一个统计数据，发现人工智能平均薪酬溢价高达55%-110%。

   而且当时IDG预测人工智能行业的人才竞争，将会在2018年达到白热化的程度。甚至我还看到网上流传着一份2018年的校招高薪清单，人工智能行业的公司给毕业生开出了25万年薪的待遇，并且还说这只是“白菜价”，可见企业对AI人才的渴求。

  对于人工智能领域的从业者来说，企业给到高薪只是一方面的吸引力，其实他们更看重的是自己的研究成果能够在具体的场景中应用，

对产业、工业的发展起到推动作用。如果无缘进入企业，一个高质量的交流学习平台也是不错的选择。在这些平台社区上，大家可以参加比赛、开源项目，甚至可以有机会把技术共享给企业，让大数据、AI产业和实体经济相结合，给大家的生活带来改变，从而实现自己的人生价值。既然题目问起了有关大数据和人工智能领域的交流社区，那我就拿几个有意思的平台和大家聊一聊：

 

    第一个是最近由京东集团与京东金融联合打造的，国内距离产业界最近的数字探索者社区 JDD空间站：之所以吸引我是因为它的定位，即国内距离产业界最近的社区。JDD空间站内汇集了金融科技、供应链金融、智能城市这些有京东特色的赛题，大家可以在空间站内进行数据和AI竞赛、项目开源、数据共享等活动。与此同时，“JDD空间站”还会提供JDD官方认证的影响力榜单。对于榜单中排名靠前的探索者，例如赛事获奖者、优质内容或数据贡献者，京东集团和京东金融可以帮助其与学术界资源进行桥接。比如将优秀论文推荐到KDD（数据挖掘研究领域年会）、IJCAI（国际人工智能联合会议）等国际学术会议；当然，也可以参与每年的JDD大会，获得更多的个人和团队曝光机会，并与行业大咖零距离接触。此外，为了打造国内距离产业界最近的数字探索者社区，在“JDD空间站”的赛事中获取优异成绩的数字探索者，将有机会跟投资方、企业沟通对接，打开更大的发展空间。

   第二个，我想推荐国外的一个技术交流社区Kaggle，这个平台成立于2010年，主要是为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。这个平台就厉害了，目前它已经被谷歌收购。该平台上的题是有奖金可拿的，当然也并不是那么轻易就能拿到的，因为它上面的题很多都是业界难题，且更倾向于应用性机器学习，在数据科学方面更有分量。许多Kaggle的参与者，甚至从未赢得过一场竞赛，也没有拿到过奖励，但这边并不影响人们对于这个平台的钟情，因为在竞赛的过程中程序员本身也能获得非常好的个人提升，每个竞赛都有自己的讨论板块与获胜者简报，而且Kaggle论坛里的高手解答也是非常专业的，是一个不错的技术社区。

   第三个，我想推荐的是面霸集中营LeetCode相信做人工智能的程序员在面试前都刷过LeetCode，不，是相信普通程序员也有大量的人在刷LeetCode。Leetcode上的目前有800多道题，分为简单、中级和难三个档次。我个人刷了100多题，同样的语言不击败80-90%的对手不过瘾，当然了，其实根据刷的规则，很有可能我还是实际上的最后一名。非常带劲。题目大致分为两类：基础算法和编程题。前者可以培养你对最基础的算法思路的了解和训练；后者则是系统的对你的编程进行考验，稍有考虑不周之处就会有几个Case让你焦头烂额。总之LeetCode对于算法方面的考验和提升，还是非常有用的。也适合项目经验较少的程序员去多刷刷题，对于面试拿offer非常有用。

成为一名数据分析师的关键在于： 结合实际业务，建立一套解决问题框架的能力，工具只是完成目的的手段而已。

所以，我把数据分析师的学习路径归纳为：

鉴于不同行业，不同公司对数据分析师的要求不同。大家可以根据自身情况来判断到底该学啥：

金融行业：SAS/SQL

中大厂：R/Python、SQL、A/B test

小型互联网公司：SQL

以中大厂为例，成为数据分析师需要掌握以下几点：

这里用一道大厂真题举例，主要考察 DELETE语句中的子查询 的用法

现需要删除课程表中所有教师年龄小于 21 岁（不包括 21 岁）的课程，请你使用相关的 SQL 语句实现。

首先我们需要在教师表 teachers 中查询到教师年龄小于 21 岁的老师的教师 id ，再根据其教师 id 在课程表 course 中查询该教师 id 所创建的课程并将课程删除。

因此，这里我们首先需要通过嵌套子查询到的信息为符合条件的教师 id，而整个语句是为了删除数据。

使用 SQL 中子查询的方式如下：

执行输出结果：

在删除成功后，我们再对 courses 表进行查询，查看插入结果：

掌握了这类题型后，可以来做下这道练习题