「Kaggle Advent Calendar 2024」の 5 日目の記事です。 2023 年 12 月に出版された『Developing Kaggle Notebooks: Pave your way to becoming a Kaggle Notebooks Grandmaster』（Packt）の書籍メモです。 なお同書は、著者の Gabriel Preda さん のご厚意でご恵贈いただきました。
翻訳版
日本語訳版の『グランドマスター三冠のKaggleノートブック開発術 単変量解析から地理情報分析／偽動画検出／LLMまで』が、2025 年 2 月に出版されます。
書籍の概要
Kaggle の Datasets/Notebooks/Discussions の 3 部門で Grandmaster の称号を持つ Gabriel Preda さんによる書籍です。 Kaggle Notebooks を活用しながら、さまざまな種類のデータセットの分析技術を学びます。
主要な特徴として掲げられている話題は、次の 3 点です。
- ベースラインモデル構築のためのデータの取り込み・クリーニング・探索の基本の習得
- 表・テキスト・画像・動画・波形など、さまざまな種類のデータの処理
- ノートブックの説得力を高めるためのスタイルと可読性の向上
日本語訳版のサイトから引用した目次は以下の通りです。 より具体的に扱う内容については、GitHub で公開されているサンプルコードが参考になります。
【本書の構成】
第1章 Kaggleの基本
第2章 Kaggleノートブックの準備
第3章 Kaggleという旅の始まり―タイタニック号事件を分析
第4章 単変量／2変量／地理空間を分析―パブとスターバックス
第5章 分析コンペティションでの効果的なアプローチ
第6章 画像データ分析―ミツバチの亜種を予測
第7章 テキスト分析―単語埋め込み、双方向LSTM、Transformer
第8章 音響信号によるLANL地震予測
第9章 ディープフェイク動画の検出
第10章 Kaggleモデルと生成AI
第11章 旅の終わり―高品質化と高評価のために
所感
原著である英語版を読んだ上での感想を以下に綴ります。 総じて、Kaggle Notebook のサンプルコードとクラウドリソースを使いながら、データ分析の幅広い世界を知る導入として良い書籍だと思います。
- 定番の「タイタニック」から始まり、地理空間・画像・テキスト・波・動画など、さまざまな種類のデータ分析事例を概観できる。
- それぞれコンペに紐づいた紹介になるが、概要とデータ可視化、最初の機械学習モデル構築くらいまでが対象で、上位に行くための解法を丁寧に解説する趣旨ではない。たとえば第9章は動画の読み込みと簡単な検出の処理まで。
- 第10章では、Kaggle Notebook 上で大規模言語モデルの検索拡張生成（RAG）に取り組む。これまでの Kaggle 関連書籍にはなかった題材。
- GitHub のサンプルコードが充実しており参考になる。ただし 1 年前に出版された書籍なので、特に大規模言語モデル関連では Llama 2 を使うなど最新ではない部分もある。
終わりに
本記事では、2023 年 12 月に出版され、2025 年 2 月に日本語訳版が発売される『Developing Kaggle Notebooks: Pave your way to becoming a Kaggle Notebooks Grandmaster』の概要と所感を書きました。
