- 竞赛流程不清晰：系统梳理从问题建模、数据探索到模型训练与提交的完整竞赛流程。
- 上分技巧缺乏：结合多个实战案例，讲解特征工程、模型融合、调参等提分思路与技巧。
- 领域知识不足：覆盖用户画像、时间序列、计算广告、自然语言处理等竞赛常见方向。
- 实战经验欠缺：通过天池、Kaggle等平台真实赛题，手把手带领读者完成竞赛方案。
- 理论脱离实践：将机器学习理论与竞赛技巧结合，帮助读者在实战中理解算法原理。
★★★
中级
入门初级中级进阶高级
- 算法竞赛参赛者：希望系统学习竞赛流程与上分技巧，提升比赛成绩的选手。
- 机器学习初学者：有一定机器学习基础，想通过竞赛实战巩固理论并积累经验的学生。
- 数据科学从业者：需要提升特征工程、模型融合等实战能力的工程师或分析师。
- 相关专业师生：计算机、人工智能等专业师生，可作为课程设计或项目实践的参考书。
- 先通读流程：第1-5章是通用基础，建议先快速通读，建立竞赛整体框架。
- 按兴趣选读：第6-12章按领域划分，可根据自己关注的竞赛方向选择性精读。
- 复现案例：每个实战案例都应在本地复现代码，理解数据处理和模型构建细节。
- 参与竞赛：学完一章后尝试参加对应平台的类似赛题，将书中技巧付诸实践。
- 总结复盘：每完成一个案例，整理特征工程、模型选择和融合策略的得失。
- 竞赛全流程能力：掌握从赛题理解到最终提交的完整竞赛方法论。
- 特征工程技巧：学会针对不同数据类型构建有效特征，提升模型表现。
- 模型融合策略：掌握加权融合、Stacking等集成方法，稳定提升竞赛排名。
- 领域实战经验：积累用户画像、时间序列、计算广告、NLP等方向的竞赛方案。
- 问题解决思维：培养面对新赛题时快速拆解问题、设计解决方案的能力。
📖 书籍简介
作 者:王贺,刘鹏,钱乾 著
定 价:99.8
出 版 社:人民邮电出版社
出版日期:2021年09月01日
页 数:336
装 帧:平装
ISBN:9787115569592
深刻剖析Kaggle、阿里天池、腾讯广告算法大赛等算法竞赛内容，结合多个领域模块进行实战讲解；
《计算广告》作者刘鹏、《深度学习推荐系统》作者王喆等倾力推荐！
1.多年实战经验汇集
作者在众多竞赛平台多次获得好成绩，本书汇集了他们在竞赛圈多年的实战经验。
2.基本理论与竞赛技巧结合
本书系统的介绍了算法竞赛，包括算法竞赛的基本理论知识以及竞赛中的上分思路和技巧。
3.众多竞赛选手参与
结合国内多名竞赛选手建议，对本书结构进行细致编排，结合多个领域模块进行实战讲解，剖析竞赛本质的内容。
4.提供完等
●部分磨刀事半，砍柴功倍
章初见竞赛
1．1竞赛平台
1．1．1Kaggle
1．1．2天池
1．1．3DF
1．1．4DC
1．1．5Kesci
1．1．6JDATA
1．1．7企业网站
1．2竞赛流程
1．2．1问题建模
1．2．2数据探索
1．2．3特征工程
1．2．4模型训练
……
章初见竞赛
1．1竞赛平台
1．1．1Kaggle
1．1．2天池
1．1．3DF
1．1．4DC
1．1．5Kesci
1．1．6JDATA
1．1．7企业网站
1．2竞赛流程
1．2．1问题建模
1．2．2数据探索
1．2．3特征工程
1．2．4模型训练
……
本书系统介绍竞赛的图书，不仅包含竞赛的基本理论知识，还结合多个方向和案例详细阐述了竞赛中的上分思路和技巧。全书分为五部分：分以算法竞赛的通用流程为主，介绍竞赛中各个部分的核心内容和具体工作；第二部分介绍了用户画像相关的问题；第三部分以时间序列预测问题为主，先讲述这类问题的常见解题思路和技巧，然后分析天池平台的城市计算AI挑战赛和 Kaggle平台的Corporación Favorita Grocery Sales Forecasting；第四部分主要介绍计算广告的核心技术和业务，包括广告召回、广告排序和广告竞价，其中实战案例是2018腾讯广告算法大赛——相似人群拓展和Kaggle平台的TalkingData AdTracking Fraud Detection Challenge；第五部分基于自然语言处理相关的内容进行讲解，其中实战案例是Kaggle平台上的经典竞赛Quora Quest等
王贺,刘鹏,钱乾 著
王贺（鱼遇雨欲语与余）
毕业于武汉大学计算机学院，硕士学位，研究方向为图数据挖掘，现任职于小米商业算法部，从事应用商店广告推荐的研究和开发。是2019年和2020年腾讯广告算法大赛的，从2018年至2020年多次参加国内外算法竞赛，共获得五次和五次亚军。
刘鹏
2016年本科毕业于武汉大学数学基地班，保研至技术大学自动化系，硕士期间研究方向为复杂网络与机器学习，2018年起多次获得机器学习相关竞赛奖项，2019年至今就职于华为技术有限公司，任算法工程师。
钱乾
本科就读于美国佐治亚理工大学，研究方向包括机器学习、深度学习、自然语言处理等，现就职于数程科技，工作方向为物流领域的智能算法应用，等
📑 章节目录
- 第1章 初见竞赛：平台介绍与竞赛流程
- 第2章 问题建模与数据探索
- 第3章 特征工程：构建与选择
- 第4章 模型训练与验证策略
- 第5章 模型融合与集成学习
- 第6章 用户画像竞赛实战
- 第7章 时间序列预测：城市计算AI挑战赛
- 第8章 时间序列预测：Corporación Favorita销售预测
- 第9章 计算广告：广告召回、排序与竞价
- 第10章 腾讯广告算法大赛：相似人群拓展
- 第11章 TalkingData广告欺诈检测
- 第12章 自然语言处理竞赛：Quora Question Pairs
