kaggle-learner: Скилл для обучения и анализа Kaggle

```markdown --- name: kaggle-learner description: Этот навык следует использовать, когда пользователь запрашивает "изучение Kaggle", "анализ решений Kaggle", "анализ соревнований Kaggle" или упоминает URL-адреса соревнований Kaggle. Предоставляет доступ к извлеченным знаниям из лучших решений Kaggle в областях NLP, CV, временных рядов, табличных данных и мультимодальных данных. version: 0.1.0 --- # Kaggle Learner Извлекайте и применяйте знания из лучших решений соревнований Kaggle. Этот навык предоставляет доступ к постоянно обновляемой базе знаний, содержащей техники, шаблоны кода и лучшие практики от ведущих участников Kaggle. ## Обзор Соревнования Kaggle находятся на передовой практического машинного обучения. Лучшие решения часто предлагают инновационные методы, продуманную разработку признаков и оптимизированные конвейеры. Этот навык собирает эти знания и делает их доступными для ваших проектов. ## Когда использовать Используйте этот навык, когда: - Готовитесь к соревнованию Kaggle - Ищете проверенные методы в определенной области (NLP, CV и т.д.) - Нужны шаблоны кода для распространенных задач машинного обучения - Хотите учиться у победителей соревнований ## Категории знаний | Категория | Фокус | Каталог | |----------|-------|-----------| | **NLP** | Классификация текста, NER, машинный перевод, приложения LLM | `references/knowledge/nlp/` | | **CV** | Классификация изображений, обнаружение объектов, сегментация, генерация | `references/knowledge/cv/` | | **Time Series** | Прогнозирование, обнаружение аномалий, моделирование последовательностей | `references/knowledge/time-series/` | | **Tabular** | Разработка признаков, традиционное машинное обучение, структурированные данные | `references/knowledge/tabular/` | | **Multimodal** | Кросс-модальные задачи, модели "зрение-язык" | `references/knowledge/multimodal/` | **Структура организации файлов**: Каждый конкурс представлен отдельным файлом Markdown, классифицированным по соответствующим категориям. Пример: - `time-series/birdclef-plus-2025.md` - `nlp/aimo-2-2025.md` ## Краткое руководство **Чтобы учиться на основе соревнования:** 1. Предоставьте URL-адрес соревнования Kaggle. 2. Агент kaggle-miner извлечет лучшее решение. 3. Знания автоматически добавляются в соответствующую категорию. 4. **Подробный технический анализ лучших решений** автоматически включается. **Чтобы просматривать существующие знания:** - Просмотрите каталог соответствующей категории: `references/knowledge/[категория]/` - Каждый конкурс представлен отдельным файлом, содержащим: - Краткое описание соревнования (Competition Brief) - **Подробный технический анализ лучших решений** (Front-runner Detailed Technical Analysis) ⭐ - Шаблоны кода (Code Templates) - Лучшие практики (Best Practices) ## Самообучение Этот навык автоматически обновляет свою базу знаний, когда агент kaggle-miner обрабатывает новые соревнования. Чем больше вы его используете, тем умнее он становится. ## Стандарт извлечения знаний При каждом извлечении знаний из соревнования Kaggle **должны** быть включены следующие стандартные разделы: ### Список обязательного содержимого | Раздел | Описание | Обязательность | |------|------|--------| | **Competition Brief** | Контекст соревнования, описание задачи, масштаб данных, метрики оценки | ✅ Обязательно | | **Original Summaries** | Краткие обзоры лучших решений | ✅ Обязательно | | **Подробный технический анализ лучших решений** | Основные приемы и детали реализации лучших 20 решений | ✅ **Обязательно** ⭐ | | **Code Templates** | Многоразовые шаблоны кода | ✅ Обязательно | | **Best Practices** | Лучшие практики и распространенные ошибки | ✅ Обязательно | | **Metadata** | Метки источника данных и дата | ✅ Обязательно | ### Формат подробного технического анализа лучших решений Каждое из лучших решений должно содержать: - **Место и команда/автор** - **Список основных приемов** (3-6 ключевых технических моментов) - **Детали реализации** (конкретные параметры, конфигурации, данные) Пример формата: ```markdown **Место - Название основного приема (Автор)** Основные приемы: - **Прием 1**: Краткое описание - **Прием 2**: Краткое описание Детали реализации: - Конкретные параметры, модели, конфигурации - Данные и результаты экспериментов ``` **Рекомендуется охватить Top 20 решений, чтобы получить больше инновационных приемов от лучших участников.** ## Дополнительные ресурсы ### Каталоги знаний - **`references/knowledge/nlp/`** - Техники соревнований NLP - **`references/knowledge/cv/`** - Техники компьютерного зрения - **`references/knowledge/time-series/`** - Методы анализа временных рядов - **`references/knowledge/tabular/`** - Подходы для табличных данных - **`references/knowledge/multimodal/`** - Мультимодальные решения ### Примеры соревнований - **BirdCLEF+ 2025** (`time-series/birdclef-plus-2025.md`) - Содержит подробный технический анализ Top 14 лучших решений - **BirdCLEF 2024** (`time-series/birdclef-2024.md`) - Содержит подробный технический анализ Top 3 решений - **AIMO-2** (`nlp/aimo-2-2025.md`) - Содержит сводки по техническим аспектам Top 12+ лучших решений ```