Who it is for
适合正在这些节点卡住的学习者
辅导不是用统一课表覆盖所有人，而是先识别瓶颈。目标越具体、现有证据越完整，反馈越能落到下一步行动。
第一次参赛
面对赛事页面、数据文件、Notebook 和提交格式不知道先做什么，希望有人帮助建立完整地图。
已有 Baseline
流程能运行，但本地分数不稳定、线上线下差异大，或不知道应该优先改数据、验证、特征还是模型。
准备复盘与作品
希望把实验整理成可复现 Notebook、技术总结或项目展示，并清楚呈现问题、证据与个人贡献。
Work on the real task
围绕真实赛事页面建立共同语境
先把规则、数据和指标说清楚
辅导开始前会回到目标赛事的 Overview、Data、Code、Discussion、Evaluation、Rules 与 Timeline。我们把“感觉模型不行”改写成可检查的问题，例如切分是否模拟测试分布、指标实现是否一致、预处理是否存在信息泄漏、实验是否有对照。
先阅读参赛清单 →Six modules
六个可组合的辅导模块
实际范围根据诊断选择，不要求从头到尾全部覆盖。每个模块都以“你能解释、能运行、能继续迭代”为完成判断。
选赛与规则核对
按目标、基础、时间和算力评估难度；提取资格、组队、外部数据、提交与知识产权约束。
Python 与数据处理
补齐 Notebook、Pandas、探索性分析、缺失和异常处理、可视化及基本调试。
Baseline 搭建
形成从数据读取、训练、验证到推理和提交的最小闭环，固定环境、版本和随机性。
特征与模型迭代
用误差分析提出假设，一次控制少量变量，记录特征、参数、耗时、分数与结论。
验证与排行榜
设计分层、分组或时间切分，理解公开榜与最终榜差异，降低围榜调参和泄漏风险。
Notebook 与赛后复盘
整理问题、方法、实验、结果、局限和个人贡献，形成可运行、可阅读、可继续改进的成果。
辅导只提供一对一形式，不设班型。具体内容、频次和周期在完成初步学习诊断后，根据目标范围和可投入节奏确定。
How it works
四步形成“诊断—行动—证据—复盘”闭环
学习诊断
收集目标赛事、基础、代码、分数和卡点，识别最影响进展的一到两个问题。
制定短周期任务
把目标拆为可在一轮内完成的实验、阅读、修复或复现任务，明确交付证据。
讲解与审阅
围绕代码、数据和实验记录说明原因，给出反馈与检查项，而不是只给最终答案。
复盘与下一轮
确认哪些判断被证据支持、哪些需要推翻，并更新实验优先级和学习路线。
Feedback quality
辅导的价值，是让反馈可以被验证
不是“换一个更强模型”
先检查数据、切分、指标和工程一致性，再判断模型容量是否真的是瓶颈。
不是“照着高手代码抄”
公开方案用于学习和复现；每一次采用都要能说明输入、假设、改动与合规依据。
不是“给一个神秘分数”
每个建议尽量对应可运行实验、对照结果、误差样本或规则文本，让你能自己验证。
Integrity boundary
明确不做什么，才能真正培养能力
我们遵守目标赛事规则与基本学术诚信原则。服务的输出是解释、反馈、审阅框架和学习方法，不是替参赛者完成其应独立完成的工作。
可以提供
规则阅读方法、概念讲解、代码审阅、报错定位思路、验证设计、实验优先级、Notebook 结构反馈、复盘提问与公开资料导读。
不会提供
代写、代跑、代提交、账号代操作、虚构实验或成绩、规避赛事限制、泄露非公开数据，以及任何奖项或排名保证。
若目标赛事对团队协作、外部帮助、代码共享或生成式 AI 有额外限制，以该赛事 Rules 与主办方澄清为准。
Prepare for consultation
咨询前准备这五项，诊断会更有效
目标赛事链接
提供 Kaggle 官方赛事页，而不是二手转述或截图。
你的目标
说明更关注入门、完成提交、方法提升还是作品沉淀。
当前证据
Notebook、仓库、报错、分数、日志和已尝试方法。
最主要卡点
用具体问题代替“完全不会”或“分数不高”。
时间与资源
可投入周期、每周时间、设备、云资源和队伍情况。
Start with diagnosis
先把问题定位清楚，再决定如何辅导
扫码发送目标赛事、当前代码或验证结果。我们会先判断最值得解决的问题，再说明适合的资料、学习顺序与辅导范围。