456
創始人Anthony解答30個關於Kaggle的問題
Kaggle是全球機器學習競賽、開放數據集和數據科學合作的發源地。在被穀歌收購之際，Kaggle已經舉辦了許多備受矚目的比賽，最近跨過了百萬用戶的大關，進一步在數據科學界鞏固了它家喻戶曉的地位。
近日，Kaggle創始人兼CEO Anthony Goldbloom參加了一個Ask Me Anything的活動，回答了與會者30餘個關於Kaggle的問題，分享了他創立Kaggle七年來的心得和對未來的展望。
主持人：首先，請允許我代表大家感謝你創立了Kaggle。你可以和大家分享一些你的個人情況嗎？比如你來自哪裏，你在學校學過什麼，為什麼你認為Kaggle對數據科學的未來很重要？
Anthony：我來自澳大利亞的墨爾本。我在墨爾本大學學習計量經濟學(主要是經濟數據)。我大學畢業後的第一份工作是在澳大利亞財政部工作，預測GDP、通貨膨脹和失業。我喜歡玩轉數據，但傳統的經濟數據規模很小而且噪聲很大，所以很難得出有趣的發現，這是最令我感到受挫的。
創建Kaggle的想法實際上源於我想獲得更有趣的數據集和問題。當然，這有點諷刺，因為我沒有機會參與其中。但塞翁失馬呀，後來我意識到在Kaggle上有太多大神，我就算做了可能也不會那麼好…
我們的目標是讓Kaggle成為一個充滿活力的代碼、數據和討論的生態係統。如果你在其他地方做數據科學/機器學習，你的起步時從一個閃爍的光標和一個空白的區域。而在Kaggle，我們是希望你能夠可以獲得可以複製的好代碼，可以直接分析的數據以及可以直接參與討論共同學習進步。我們從比賽開始，到現在有了Kaggle Kernels和公共數據平台。我們近期的重點是讓Kaggle Kernels更加靈活和強大，您可以使用它來進行更重的計算、選擇硬件、安裝軟件包等；還要大量增加公共數據平台上的數據集規模。隨著時間的推移，我們希望你能夠使用Kaggle在工作的同時，來學習、獲得資格認證，也能從中獲得樂趣。
Q：從你創建Kaggle已經7年過去了。與你最初的願景相比，什麼已經實現了？什麼還沒？什麼讓你最滿意，收獲的最大驚喜是？最大的遺憾有是什麼呢？
Anthony：坦白說，7年前我們做這件事的時候其實沒有什麼宏達的願景。更多的是我覺得我們的世界上需要有Kaggle的存在。可以說，我們的目標是隨著Kaggle的不斷發展壯大在增長的。每當我們取得新的成功，我們就會為下一件事而努力。最大的滿足感在於當聽到我們的用戶說Kaggle給他們提供了之前不可能擁有的可能。當然，我也是很開心Kaggle已經成為了一個家喻戶曉的數據科學/機器學習品牌。
最大的遺憾應該就是是我們沒有盡早推出Kaggle Kernels和公共數據平台——我對Kaggle的這些領域感到非常興奮。我們還有更多的事情可以做，如果我們早點開始的話，這就會是比現在更先進的產品。
Q：在2015年，受Kaggle啟發，我辭去了工作，開始專注做自己的數據科學谘詢業務。我麵臨的最大挑戰之一是找到預測建模項目的高質量大客戶。請問有什麼建議嗎？
Anthony：這很難。我認為現階段的公司主要還都在研究如何更全麵地使用數據科學/機器學習/預測建模的探索階段，因此他們的很多用例相對來說都沒有很複雜。為了找到更高級的客戶，你可以看看在Kaggle的社區上發布的公司屬性（如果他們了解Kaggle，說明他們還是比較超前的；如果他們在招聘，說明他們還有未滿足的需求，而谘詢可能會是另一個滿足需求的方法)。也就是說，如果你想做更高級的工作，谘詢可能並不合適。建議是在一個已經意識到數據科學/機器學習/預測建模的優勢的前沿公司找到一份工作可能會更好。
Q：穀歌為什麼要收購Kaggle？怎麼樣讓二者相得益彰？
Anthony：目前三大雲服務商玩家——AWS、Azure和穀歌雲正在進行激烈的較量。穀歌雲的優勢之一是最好的機器學習雲：通過Google CloudML Engine等提供TPU、Tensorflow服務。Kaggle是世界上最大的機器學習和數據科學社區，所以收購Kaggle可以讓Google Cloud將這些工具提供給我們的社區，用戶在使用時可以獲取反饋和更多的推廣。從Kaggle的角度來看，也是一件好事。它使得我們可以為社區提供更強大的計算機/服務（可能出現在Kaggle Kernels），比我們作為一個小型獨立公司要好很多。
Q：在Kaggle的“成長”過程中，你是否經曆過明顯的願景和商業模式上的轉型？在這個過程中，什麼類型的支持讓你記憶深刻？可以分享一下嘛？
Anthony：早些時候，Kaggle談不上是什麼遠大理想，更多的是一個有趣的項目。隨著我們的不斷成功才有了更遠大的理想。早期，我們從機器學習競賽中獲得了所有收入，但那並不是很賺錢。因為當時機器學習還非常不成熟，所以機器學習競賽沒有多少市場。2013年，我們研究了其他可盈利的業務：比如在特定行業形成專業知識，並為該行業構建機器學習的解決方案。我們選擇石油和天然氣作為我們的第一產業，並把殼牌選作想要和我們做更多的客戶，我們認為市場機會是好的。當油價在2014年末暴跌時，該行業變得非常有挑戰性。但這時機器學習市場已經開始成熟，所以我們可以回到機器學習比賽上來建立強大的業務。我們還推出了一個工作板塊，這對我們來說也是一個很好的收入來源。展望未來，我們願意提供其他服務，包括允許公司在其數據科學團隊中使用Kaggle Kernels。
我們也有著一路支持的投資者，他們看過許多企業的迂回曲折，為我們發展業務決策提供了很多有用的視角。
Q：如果想在Kaggle取得成功，需要具備的技能有哪些呢？比如模型融合(stacking、blending)等。同時，作為一名學生，我一般不參加那些有大量數據集的難題，主要是硬件的瓶頸。你願意在穀歌雲上提供免費的時間嗎？
Anthony：我建議你在博客上閱讀獲勝者的采訪。你會從比我更聰明的人那裏學習到更多！我們希望在成為Google的一員後，能夠為我們的社區提供更多的計算力，特別是在大型的比賽中。目前這一部分還在進行中。
Q：關於怎樣開始學習深度學習技能，你有什麼建議？
Anthony：我覺得fast.ai（https://course.fast.ai/）課程就很好。
Q：我注意到圖像分類比賽數量有所增加，這是Kaggle的一個新趨勢嗎？以前的“Private Masters”的風格是否會卷土重來？
Anthony：我們不決定我們要組織什麼比賽——這取決於我們的客戶給我們帶來什麼。我們最近一直在增加競爭團隊（你們很多人都知道連Walter Reade都加入了！）所以我們希望能舉行更多的比賽。我們負責比賽的團隊也為第三季度設定了一個更好的目標，所以我們正在嚐試。
Q：對於你的客戶（讚助比賽的公司）來說，幾乎所有的解決方案都涉及模型的組合定義，你是如何看待這個問題？你是否有計劃會發布一個全新的比賽，要求最後的提交都是基於一個不需要整合的簡單模型？
Anthony：在給獲勝者的介紹方案中，我們要求他們分享一個性能在90%-95%的簡單模型細節。在實際操作中，這些簡單的模型通常表現得更接近集成模型的99%，對客戶來說更有用。未來的一種可能是，在之後的比賽中，我們來限製計算約束，來有效限製瘋狂創建集合的能力。
Q：作為創始人你最喜歡的是什麼?
Anthony：8年前，最初的Kaggle隻是一個閃爍的光標和Vim文本編輯器。我真的為我們所建立的事業感到驕傲：有那麼多聰明的人選擇把一天的時間花全心投入，這是非常有益的。
Q：如果你把自己列為Kaggle的排行榜，那麼你認為你會排在哪裏？
Anthony：我想我可以到Expert，但到Master還是有點困難，除非我抱到了一個大腿，成為Grandmaster估計是沒戲了。我以前認為我是一個很好的統計學家和一個好的程序員：經過多年在Kaggle社區的觀察，我再也不這麼認為了。
Q：Kaggle的數據科學家團隊現在有多大？
Anthony：我們的數據科學團隊隻有三個人——Wendy, Will和Walter。他們與客戶合作推出比賽。我們現在規模還很小，隻有24個人，也沒有辦公室，團隊大部分人都在遠程工作。
Q：你什麼時候第一次遇見“數據科學”，你如何知道這就是你今後要走的路？
Anthony：我在大學畢業後的第一份工作是預測GDP，通貨膨脹和失業率。我喜歡玩數據！每個數據集都有其秘密，我認為嚐試去發現這些隱藏在數據背後的秘密是令人興奮的。
Q：有沒有什麼比賽是你希望Kaggle舉辦但還沒有辦的？
Anthony：私下裏我一直在參加kitefoil的比賽。我希望對風的預測能有一個更好的模型，所以我一直希望能辦一個和風的預測有關的比賽。
Q：在未來5-10年裏，你期待看到什麼類型的AI相關技術?（刨去汽車相關的）
Anthony：今年11月，我的第一個孩子就要出生了。昨晚我還和我的妻子開玩笑說：要是能有一個自動駕駛的嬰兒車也蠻不賴的。人類在語音識別領域取得的進展也讓我很興奮。我已經買了一個Google Home智能音箱放在家裏，用起來感覺很不錯。我期待有一天我再也不用一直看著手機了，而是可以用語音來進行一切指令的操作。
Q：未來10年，數據科學（ML/DL）將會擁有一個怎樣的未來呢？
Anthony：我很喜歡William Gibson的名言：未來已來，隻是尚未流行。像穀歌這樣的公司已經展示了在Google Home、穀歌照片、Word Lens等app中數據科技可以企及的高度。未來10年，我們將看到越來越多的機器學習應用在我們的產品中。希望之後我們也能開始看到如今學術界流行的一些技術(如強化學習，GAN等)能應用在現實的產品中。
Q：對於在數據科學領域創業的創業者，你能否給3點建議？
Anthony：其實我隻有2點建議，但這也是最重要的2點。
-
去解決那些你自己有切身體會，你覺得其他人也正經曆，而且還沒有被解決的問題；
-
你要對這個問題充滿熱情。
Q：有沒有計劃向那些對使用公開地址有疑惑的大企業提供企業版的Kaggle？我想這可能對Kaggle來說是一個比較好的發展機會。
Anthony：當然考慮過啦~我們在計劃啟動一些大企業內部的比賽，幾家企業可以打通數據集。但這個優先級目前還沒有那麼高，預計大概要到2018年才會和大家見麵了吧。
Q：個人來說，我相信Kaggle Kernels是目前數據科學領域最好的一個發明。你們早開始創建它是源於怎麼樣的動力呢？
Anthony：之前Kaggle上有很多附上code的用戶討論，但是那些code很少是有人跑過的。經常是有不少人點讚，但沒有回複。這讓我們意識到，其實要跑通其他人的code是一個真實的痛點。大部分的人來Kaggle都是來學習的，因此我們發布的Kaggle Kernel來確保我們有更豐富的學習體驗，以及讓kenerl的作者機會來展示他們的聰明才智。
Q：你能不能和我們大家分享兩個Kaggle成立以來最困難的時刻？
Anthony：大概在2013年，Kaggle最早是專注在垂直行業起家的，我們用一個個case來拉動我們的業務增長。剛開始我們專注在石油和天燃氣行業，但是2014年油價大跌，我們大部分的收入就沒了。我們必須裁員以求自保。另外，在商業中我學到的最多的就是要招那些聰明但是不自負的人。Kaggle剛開始的時候，我們總是追求一個人是不是聰明。但那是錯的。因為在實際的工作中，你是很難去跟那些自以為是的人去合作的。
Q：在Kaggle得到第一筆投資前，你拜訪了多少個投資人呢？能和我們分享一下麼？
Anthony：融資總是很難的。VC一般每年會看成百上千個項目，然後從中選兩個投。我們的第一輪相對容易一些：找了大概30家機構，然後有4家對我們感興趣的。我們的第二輪就比較難了（就是在油價大跌之後），我們找了60家機構，隻有一家感興趣的。
Q：你是如何遇到Kaggle的CTO兼聯合創始人Ben Hamner的？
Anthony：最早是在悉尼的ICDM 2010大會上。Ben Hamner也在那個大會上，因為他參加了ICDM的機器學習挑戰賽。我當時去那兒是為了安利Kaggle。然後Ben就開始在Kaggle上參加比賽了，而且表示地非常積極。2012年我又見到他了，那時候他在灣區麵試Google。不過最後他還是放棄Google，加入了我們。
Q：如果在創立一家數據科學領域相關的公司，哪些是最需要考慮的點？
Anthony：現在來看的話，這已經是一個相當擁護的領域了。首先，你要確保你有一個不同的切入點。Kaggle其實是很幸運的，因為我們在大家關注之前創立了公司。所以，當出現泡沫的時候，我們反而受益了。現在大家對數據科學和機器學習的關注度這麼高，要脫穎而出其實是更難了。
Q：如果可以作一個超級英雄，你最想成為誰？
Anthony：不知道他算不算，我想成為《安德的遊戲》（Ender's Game）裏的Andrew 'Ender' Wiggin。
最後謝謝所有成就了Kaggle的今天的你們！ 未來Kaggle還有更多令人興奮的事情，希望你繼續從中找尋喜歡和寶貴的事情~
2017-08-19
最後更新：2017-10-11 11:34:22