kaggle-learner

Kaggle 学习者

从 Kaggle 竞赛获胜方案中提取并应用知识。此技能可访问持续更新的知识库，其中包含顶尖 Kaggle 参赛者的技术、代码模式和最佳实践。

概述

Kaggle 竞赛处于实用机器学习的前沿。获胜方案常常采用创新技术、巧妙的特征工程和优化后的流水线。本技能收集这些知识，供你在项目中使用。

适用场景

在以下情况下使用此技能：

• 为 Kaggle 竞赛做准备
• 寻找特定领域（NLP、CV 等）的成熟技术
• 需要常见 ML 任务的代码模板
• 希望向竞赛获胜者学习

知识分类

分类	重点	目录
NLP	文本分类、NER、翻译、LLM 应用	references/knowledge/nlp/
CV	图像分类、检测、分割、生成	references/knowledge/cv/
Time Series	预测、异常检测、序列建模	references/knowledge/time-series/
Tabular	特征工程、传统 ML、结构化数据	references/knowledge/tabular/
Multimodal	跨模态任务、视觉语言模型	references/knowledge/multimodal/

文件组织结构：每个竞赛对应一个独立的 Markdown 文件，并按领域分类到相应目录。

示例：

• time-series/birdclef-plus-2025.md
• nlp/aimo-2-2025.md

快速参考

从竞赛中学习：

1. 提供 Kaggle 竞赛 URL
2. kaggle-miner Agent 将提取获胜方案
3. 知识会自动添加到相关分类中
4. 自动包含前排方案详细技术分析（Front-runner Detailed Technical Analysis）

浏览现有知识：

• 浏览相关领域目录：references/knowledge/[domain]/
• 每个竞赛对应一个独立文件，包含：
  • Competition Brief（竞赛简介）
  • 前排方案详细技术分析（前排方案详细技术分析）⭐
  • Code Templates（代码模板）
  • Best Practices（最佳实践）

自我演进

kaggle-miner Agent 处理新竞赛时，此技能会自动更新其知识库。使用得越多，它就会变得越智能。

知识提取标准

每次从 Kaggle 竞赛提取知识时，必须包含以下标准部分：

必需内容清单

部分	说明	必需性
Competition Brief	竞赛背景、任务描述、数据规模、评估指标	✅ 必需
Original Summaries	前排方案的简要概述	✅ 必需
前排方案详细技术分析	Top 20 方案的核心技巧和实现细节	✅ 必需⭐
Code Templates	可复用的代码模板	✅ 必需
Best Practices	最佳实践和常见陷阱	✅ 必需
Metadata	数据源标签和日期	✅ 必需

前排方案详细技术分析格式

每个前排方案应包含：

• 排名和团队/作者
• 核心技巧列表（3-6 个关键技术点）
• 实现细节（具体的参数、配置、数据）

示例格式：

**排名 Place - 核心技术名称 (作者)**

核心技巧：
- **技巧1**: 简短说明
- **技巧2**: 简短说明

实现细节：
- 具体参数、模型、配置
- 数据和实验结果

建议覆盖 Top 20 方案，以获取更多前排选手的创新技巧

附加资源

知识目录

• references/knowledge/nlp/ - NLP 竞赛技术
• references/knowledge/cv/ - 计算机视觉技术
• references/knowledge/time-series/ - 时间序列方法
• references/knowledge/tabular/ - 表格数据方法
• references/knowledge/multimodal/ - 多模态解决方案

竞赛示例

• BirdCLEF+ 2025（time-series/birdclef-plus-2025.md）- 包含完整的 Top 14 前排方案详细技术分析
• BirdCLEF 2024（time-series/birdclef-2024.md）- 包含 Top 3 方案的详细技术分析
• AIMO-2（nlp/aimo-2-2025.md）- 包含 Top 12+ 前排方案技术总结