本书围绕数据挖掘竞赛，讲解了各种类型数据挖掘竞赛的解题思路、方法和技巧，并辅以对应的实战案例。全书共11章。第1章介绍数据挖掘竞赛的背景、意义和现状。从第2章开始，介绍了各种不同类型的数据挖掘竞赛包括结构化数据、自然语言处理、计算机视觉（图像）、计算机视觉（视频）、强化学习。每种类型的数据挖掘竞赛包含理论篇和实战篇：理论篇介绍通用的解题流程和关键技术；实战篇选取比较有代表性的赛题，对赛题的优秀方案进行深入分析，并提供方案对应的实现代码。 本书适合数据挖掘竞赛爱好者、人工智能相关专业在校大学生、人工智能方向从业人员及对人工智能感兴趣的读者阅读。

"许可乐毕业于法国巴黎六大，目前任教于国防科技大学计算机学院，入选湖湘青年英才人才计划，Kaggle Grandmaster。长期从事智能模型开发与迭代研究。主持或参与自然科学基金、重点研发、国防科技创新特区等相关项目十余项，获军队科技进步奖一项，担任某重大工程项目副总设计师。在面向复杂开放环境的智能模型算法、支持OODA决策的深度强化学习方法等领域取得一系列原创性的成果，所提出算法在包括ACM KDD Cup 等国际人工智能和数据挖掘竞赛中获奖40余项，部分已经国防关键领域得到实践检验。在相关智能领域的公认的会议和期刊发表论文80余篇，相关论文被引用1700余次。现任中国自动化学会混合智能专委会委员、中国计算机学会语音对话与听觉专委会执行委员，欧盟/英国科研基金评审专家，担任AAAI等10余个国际**会议程序委员，担任20余个国际期刊审稿人，获CCF BDCI优秀指导老师奖。"

前 言 本书目标 本书旨在给读者提供明确的数据挖掘竞赛方案实现流程，并对其中的关键细节进行讲解，除了提供必要的理论知识，还提供了即插即用的代码。通过阅读此书，读者将了解如何为一个数据挖掘竞赛设计方案，明确方案中的各种细节和具体实现方式，并了解如何对方案进行不断打磨和优化。本书还提供了一些具体的实战案例以帮助读者掌握并强化上述内容。数据挖掘竞赛提供了贴近真实场景的数据集，如果想通过实战的方式来学习数据挖掘的技术，本书是一个很好的选择。 同时本书也可以作为一本工具书，它提供了不同类型（包括结构化数据、自然语言处理、计算机视觉、视频理解、强化学习）场景下，从数据输入到获取最终结果全流程中的各种方法和技巧，这些实用方法和技巧能帮助读者在数据集方面获得显著的效果提升，它们不仅可以用在数据挖掘竞赛中，也可以用于科研以及实际的业务中。 读者对象 无论是想在数据挖掘竞赛中获得更好的成绩，还是提升数据挖掘的技能，抑或是希望在实际业务中提升模型效果，本书都将是一个很好的选择。本书适用的读者对象包括但不限于以下相关人员。 ? 数据挖掘竞赛爱好者。 ? 人工智能相关专业在校大学生。 ? 人工智能方向从业人员。 ? 对人工智能感兴趣的读者。 需要注意的是，由于篇幅限制，本书不会从零开始讲解数据挖掘中的知识点，尽管笔者尽可能地以由浅入深的方式讲述全书的内容，但是理想情况下，本书的预期读者应具备一定的机器学习、深度学习以及强化学习的基础，同时还应具备一定的Python使用经验。 如果读者对以下的内容有所了解，就表示大致具备了相应的基础。 ? 机器学习：能区分有监督学习和无监督学...