本书系统介绍了算法竞赛，不仅包含竞赛的基本理论知识，还结合多个案例详细阐述了竞赛中的上分思路和技巧。全书分为五部分：第一部分以算法竞赛的通用化流程为主，介绍竞赛中各个部分的核心内容和具体工作；第二部分介绍了用户画像相关的问题，讲解了竞赛案例Elo Merchant Category Recommendation；第三部分以时间序列预测问题为主，先讲述这类问题的常见解题思路和技巧，然后分析天池平台的全球城市计算AI挑战赛和Kaggle平台的Corporacion Favorita Grocery Sales Forecasting；第四部分主要介绍计算广告的核心技术和业务，包括广告召回、广告排序和广告竞价，其中两个实战案例是2018腾讯广告算法大赛——相似人群拓展和Kaggle平台的 TalkingData AdTracking Fraud Detection Challenge；第五部分基于自然语言处理相关的内容进行讲解，其中实战案例是Kaggle平台上的经典竞赛Quora Question Pairs。 本书适合对人工智能相关算法感兴趣的人阅读。

第一部分 磨刀事半，砍柴功倍
第1章 初见竞赛
1.1 竞赛平台
1.1.1 Kaggle
1.1.2 天池
1.1.3 DF
1.1.4 DC
1.1.5 Kesci
1.1.6 JDATA
1.1.7 企业网站
1.2 竞赛流程
1.2.1 问题建模
1.2.2 数据探索
1.2.3 特征工程
1.2.4 模型训练
1.2.5 模型融合
1.3 竞赛类型
1.3.1 数据类型
1.3.2 任务类型
1.3.3 应用场景
1.4 思考练习
第2章 问题建模
2.1 赛题理解
2.1.1 业务背景
2.1.2 数据理解
2.1.3 评价指标
2.2 样本选择
2.2.1 主要原因
2.2.2 准确方法
2.2.3 应用场景
2.3 线下评估策略
2.3.1 强时序性问题
2.3.2 弱时序性问题
2.4 实战案例
2.4.1 赛题理解
2.4.2 线下验证
2.5 思考练习
第3章 数据探索
3.1 数据初探
3.1.1 分析思路
3.1.2 分析方法
3.1.3 明确目的
3.2 变量分析
3.2.1 单变量分析
3.2.2 多变量分析
3.3 模型分析
3.3.1 学习曲线
3.3.2 特征重要性分析
3.3.3 误差分析
3.4 思考练习
第4章 特征工程
第5章 模型选择
第6章 模型融合
第二部分 物以类聚，人以群分
第7章 用户画像
第8章 实战案例：Elo Merchant Category Recommendation
第三部分 以史为鉴，未来可期
第9章 时间序列分析
第10章 实战案例：全球城市计算AI挑战赛
第11章 实战案例：Corporacion Favorita Grocery Sales Forecasting
第12章 计算广告
第四部分 精准投放，优化体验
第13章 实战案例：2018腾讯广告算法大赛——相似人群拓展
第14章 实战案例：TalkingData AdTracking Fraud Detection Challenge
第五部分 听你所说，懂你所写
第15章 自然语言处理
第16章 实战案例：Quora Question Pairs