1) 目的与收获（学什么）

• 用一次真实 Datathon 把数据科学全流程走一遍：业务 → 数据 → 预测建模 → 评估 → 探索性分析（EDA） → 业务洞见与展示。
• 重点意识：简单有效的基线 + 正确验证，以及外部与行为数据的增广，常常比更复杂的模型更有用。

2) 业务背景（Seek）

• 平台：雇主在 Seek 上发布职位，求职者通过地点/薪资/关键词等检索并点击。
• 数据：职位被分为大类/小类；数据库含 jobs/searches/impressions/clicks 等表；记录关键词与点击历史。
• 痛点：雇主自分类型易出错 → 错分影响曝光与成交；平台还希望更好推荐职位。

3) 任务与数据（Datathon 设置）

• 预测任务：判断一个职位是否属于 “Hotel & Tourism（酒店与旅游）” 类（二分类）。
• 竞赛机制：提供训练集 + 独立测试集；Kaggle in-class 榜单（有私有榜防止过拟合）。

4) 预测分析（Top 团队方法）

3rd：Simply Analytics

• 强基线取胜：对标题/摘要做词袋（BoW/TF-IDF），模型用逻辑回归 + 朴素贝叶斯加权。
• 严格验证：交叉验证 + 网格搜索调参；用 AWS 跑预处理与训练。
• 启示：不要轻视简单方法；先把基线做扎实。

2nd：An achievable solution（Phil Brierley）

• 资深专家用自研工具在末期提交高性能方案。
• 启示：注意竞赛节奏与方案管理。

1st： (☞ﾟヮﾟ)☞ ☜(ﾟヮﾟ☜)

• 外部/行为数据增广是关键：

  1. 搜索者目标类别画像（谁会点这个职位，反推职位真实类别）；
  2. 从文本抽取公司名并到 ABS 商业分类库查询行业分类作为特征。
• 策略：压轴提交，避免被跟单。
• 启示：数据>算法，高价值的外部知识与行为信号能显著抬升效果。

5) 方法与评估要点

• 特征工程：文本（标题/描述），结构化字段（地点/薪资/时间），行为日志（曝光/点击），外部库对齐（ABS）。
• 模型：逻辑回归、朴素贝叶斯，加权/融合常见且有效。
• 验证：交叉验证（CV）、网格搜索（GridSearch）；用私有榜/留出集检验泛化，防数据泄露/过拟合。

6) 探索性数据分析（EDA）与展示

Monash Bubble（学生队）：R 图形广覆盖

• 主题：职位与搜索者地理分布、按地点的热门查询、移动端使用、时段分布、各州分类、供需、薪资与分类，以及数据科学职位洞察。
• 启示：先用 EDA 扫面多维现象，再收敛问题与假设。

Team 4Quarters（专业队）：业务问题导向

• 关注：点击 vs 薪资、类别对比、最受欢迎职位、曝光→点击漏斗、每职位点击数等。
• 启示：把图表转成可执行的业务洞见（定价、类目治理、投放与排序策略）。

7) 可迁移的工作法（Checklist）

• 先做强基线：清洗 → TF-IDF → LR/NB → CV 报告。
• 做数据增广：行为侧（点击/搜索者画像）+ 外部侧（行业分类库）。
• 稳健评估：CV + 私有测试集思维，避免调榜过拟合。
• 结果交付：两条线并行——模型成绩 + 业务洞见PPT（地理/时段/供需/漏斗/薪资）。
• 工程化：脚本化流水线（预处理→训练→验证→导出），云端可复现。

8) 术语速记

• BoW/TF-IDF：文本向量化基线；
• LR/NB：逻辑回归/朴素贝叶斯；
• CV / GridSearch：交叉验证 / 网格搜索调参；
• Feature Augmentation：外部知识与行为日志增强；
• Funnel：曝光→点击等转化漏斗；
• Data Leakage：训练过程“看到”测试信息的风险。