Introducción a Kaggle

De datos a competencia

🌍 ¿Qué es Kaggle?

Kaggle es una plataforma donde los datos se convierten en competencia.

No se trata solo de programar, sino de pensar como científico de datos:

• Entender un problema real
  
• Trabajar con datos imperfectos
  
• Construir modelos
  
• Comparar resultados con otros

Flujo de una competencia

Problem → Data → Model → Submission → Leaderboard

Cada paso tiene un propósito claro.

1. El problema

Toda competencia comienza con una pregunta.

Ejemplo:

¿Cuánto costará un viaje en taxi?

Aquí no estamos programando aún.
Estamos entendiendo qué queremos predecir.

2. Los datos

import pandas as pd

df = pd.read_csv("train.csv")
df.head()

Los datos contienen la información que usaremos para aprender.

Pero ojo:

• No todos los datos sirven
  
• Puede haber errores
  
• Puede haber variables irrelevantes

Aquí empieza el análisis real.

3. El modelo

from sklearn.linear_model import LinearRegression

X = df[["distance", "passengers"]]
y = df["fare"]

model = LinearRegression()
model.fit(X, y)

Un modelo es simplemente una función que aprende patrones.

No es magia.

Es matemática aplicada a datos.

4. Submission (lo importante)

Aquí es donde muchos se confunden.

En Kaggle NO se entrega el modelo
Se entrega un archivo .csv con predicciones.

test = pd.read_csv("test.csv")

preds = model.predict(test[["distance", "passengers"]])

submission = pd.DataFrame({
    "id": test["id"],
    "fare": preds
})

submission.to_csv("submission.csv", index=False)

Estructura del archivo de envío

sample = pd.read_csv("sample_submission.csv")
sample.head()

Ese archivo es la guía.

Debes respetar exactamente:

• Nombre de columnas
  
• Orden
  
• Formato

Si no, Kaggle rechaza el envío.

5. Leaderboard

Después de subir tu archivo:

• Kaggle evalúa tus predicciones
  
• Te da un puntaje
  
• Te compara con otros

Aquí empieza lo interesante:

mejorar, ajustar, volver a intentar

Lo que NADIE les dice

Competir no es solo código.

Es:

• Entender errores
  
• Revisar datos
  
• Probar ideas
  
• Fallar muchas veces

Si todo funciona a la primera…
probablemente está mal.

Actividad en clase

Hoy NO vamos a competir todavía.

Primero:

1. Leer una competencia real
   
2. Entender el problema
   
3. Identificar variables
   
4. Revisar el sample_submission.csv

Luego sí: modelo.

Cierre

Kaggle no es para expertos.

Es para quien:

• se equivoca
  
• insiste
  
• y mejora

Eso es exactamente lo que vamos a hacer.