Com Machine Learning descubra a posição dos jogadores
help
{{apiData.me.position}}˚ no Ranking
profile pic account_circle
Login Comece agora
Iniciar Desafio Iniciar Desafio Fórum
{{apiData.participant_count}} Participantes
Criado Por: Created by Daniel Severo
Machine learning

Com Machine Learning descubra a posição dos jogadores

Utilizando machine learning você determinará se é possível descobrir a posição em campo dos jogadores do jogo FIFA© 2017, baseando-se em suas habilidades individuais.

Tópicos

Neste desafio você aprenderá:

  • Machine learning

Requisitos

Você precisará de python 3.6 (ou superior) e do gerenciador de pacotes pip.

O recomendado é você utilizar um ambiente virtual. Para isto, execute os comandos como no exemplo abaixo:

Linux/macos

pip3 install virtualenv
virtualenv ../venv -p python3
source ../venv/bin/activate 
pip install -r requirements.txt

Windows

pip3 install virtualenv
virtualenv ..\venv -p python3
..\venv\Scripts\activate
pip install -r requirements.txt

Ao terminar o desafio, você pode sair do ambiente criado com o comando deactivate

Detalhes

Neste desafio você usará os dados no arquivo train.csv para criar um modelo que será utilizado para inferir a posição de jogo preferida dos jogadores (coluna preferred_pos) no arquivo test.csv. Para tal, você deve criar um arquivo answer.csv com colunas ID e preferred_pos, onde os valores da coluna ID são as do arquivo test.csv e as da preferred_pos são a saída do seu modelo.

codenation code review

Para receber Code review, compartilhe o link abaixo com colegas ou em nosso fórum de discussões:

codenation code review

Para receber Code review, você precisa primeiramente finalizar o desafio.

{{apiData.participant_count}} Participantes

Para definir seu posicionamento no ranking do desafio, utilizaremos a nota mais alta que tiver conquistado nele. Caso outra pessoa participante obtenha a mesma nota que a sua, o critério de desempate será data e hora de envio da mais recente.

empty ranking Ainda não temos participantes suficientes para o ranking!
Aproveite e seja um dos primeiros a participar desse desafio.
CODE:NOME NOTA
{{candidate.position}}. {{candidate.name}} {{candidate.score.toFixed(2)}}%
Pandas From The Ground Up

The typical Pandas user learns one dataframe method at a time, slowly scraping features together through trial and error until they can solve the task in front of them. In this tutorial you will re-learn how to think about dataframes from the ground up, and discover how to select intelligently from their abilities to solve your data processing problems through direct and deliberately-chosen steps

An introduction to machine learning with scikit-learn

In this section, we introduce the machine learning vocabulary that we use throughout scikit-learn and give a simple learning example.

Model Representation

In this video, you'll see what the model looks like and more importantly you'll see what the overall process of supervised learning looks like. Let's use some motivating example of predicting housing prices. We're going to use a data set of housing prices from the city of Portland, Oregon.

Classification

In this video, I want to start to talk about classification problems, where the variable y that you want to predict is valued. We'll develop an algorithm called logistic regression, which is one of the most popular and most widely used learning algorithms today.

Machine Learning

This course provides a broad introduction to machine learning, datamining, and statistical pattern recognition. Topics include: (i) Supervised learning (parametric/non-parametric algorithms, support vector machines, kernels, neural networks). (ii) Unsupervised learning (clustering, dimensionality reduction, recommender systems, deep learning). (iii) Best practices in machine learning (bias/variance theory; innovation process in machine learning and AI).

Classification

This module shows how logistic regression can be used for classification tasks, and explores how to evaluate the effectiveness of classification models

Classification

From the Machine Learning course by Stanford University

Logistic regression

Logistic regression, despite its name, is a linear model for classification rather than regression