Skip to content

README.md

Latest commit

 

History

History
124 lines (91 loc) · 4.78 KB

README.md

File metadata and controls

124 lines (91 loc) · 4.78 KB
Raw

Kaggle 30-Day Guide 🏆

Python License LightGBM Kaggle

완전 초보자부터 Kaggle 대회 참가 가능 수준까지 4주 만에 도달할 수 있도록 설계된 15개의 Jupyter Notebook 시리즈입니다.

수학 기초 · Pandas/NumPy · Gradient Boosting · Optuna · Stacking · Deep Learning · GitHub 배포까지 실전에서 쓰는 모든 것을 한 곳에 담았습니다.

📚 커리큘럼

Week 1 · 기초 다지기

일자 노트북 내용
Day 1-2 01_Kaggle_Setup Kaggle 가입, API, CLI, 대회 선택 전략
Day 3-4 02_NumPy_Pandas Vectorization, DataFrame 30패턴
Day 5-7 03_Visualization_EDA EDA 10단계 체크리스트, 신호 탐지

Week 2 · ML 기초 완성

일자 노트북 내용
Day 8-9 04_Math_Foundation 선형대수, 확률/통계, 경사하강법
Day 10-11 05_ML_Basics sklearn, Pipeline, 모델 비교
Day 12-14 06_Feature_Engineering 결측/인코딩/상호작용/Target Encoding

Week 3 · 실전 모델링

일자 노트북 내용
Day 15-16 07_CV_Metrics K-Fold/Stratified/Group/TimeSeries, Adversarial Val
Day 17-19 08_Gradient_Boosting XGBoost vs LightGBM vs CatBoost
Day 20-21 09_Optuna_Ensemble Bayesian Opt, Stacking/Blending

Week 4 · 실전 대회

일자 노트북 내용
Day 22-23 10_Titanic_Project 분류 E2E (FE → K-Fold → Stacking → Submit)
Day 24-25 11_HousePrices_Project 회귀 E2E (log-target, 4모델 stacking)
Day 26-27 12_Deep_Learning PyTorch MLP & CNN, K-Fold NN
Day 28 13_Advanced_Techniques NLP, MixUp/CutMix, Pseudo-labeling, TTA
Day 29-30 14_Workflow_Submission 재현성, 실험 관리, 제출 체크리스트
FINAL 15_GitHub_Upload_Guide 이 레포를 GitHub에 올리는 방법

🚀 시작하기

1) 레포지토리 클론

git clone https://github.com/<YOUR_USERNAME>/kaggle-guide.git
cd kaggle-guide

2) 가상 환경 구성

python -m venv .venv
source .venv/bin/activate            # Windows: .venv\Scripts\activate
pip install -r requirements.txt

3) Jupyter 실행

jupyter lab
# 또는
jupyter notebook

notebooks/ 폴더에서 01번부터 순서대로 진행하세요.

📦 주요 라이브러리

  • 데이터: numpy, pandas, scipy
  • 시각화: matplotlib, seaborn
  • ML 기본: scikit-learn
  • Gradient Boosting: lightgbm, xgboost, catboost
  • 튜닝: optuna
  • 딥러닝: torch
  • Kaggle: kaggle (CLI)

💡 이 가이드의 특징

  • ✅ 완전 초보자용: 수학과 Python 기초부터 차근차근
  • ✅ 실전 지향: 모든 코드가 실제 Kaggle 대회에 그대로 적용 가능
  • ✅ 재현 가능: 모든 노트북이 seed 고정, 독립 실행 가능
  • ✅ 한국어: 전 내용이 한국어로 작성됨
  • ✅ Data Leakage 방지: 올바른 K-Fold Target Encoding, Pipeline 사용
  • ✅ 상위권 기법: Stacking, Pseudo-labeling, TTA, MixUp 등 포함

🏆 이 가이드를 마치면...

  • LightGBM/XGBoost/CatBoost를 자유자재로 튜닝
  • 로컬 CV와 Public LB 점수 차이 해석 가능
  • Titanic, House Prices 같은 Getting Started 대회 Top 10% 도전 가능
  • Playground 시리즈 메달권 경쟁 가능
  • 자신만의 experiment tracking pipeline 확립

📝 라이선스

이 프로젝트는 MIT License 하에 배포됩니다.

🙌 기여

이슈와 Pull Request는 언제나 환영합니다!

📧 Contact

질문이나 피드백은 GitHub Issues에 남겨주세요.

Happy Kaggling! 🚀