コードコンペティション

学習済みモデルと推論コードをノートブックとして提出する形式のコンペです。実行時間の制限やインターネット遮断といった制約下で、いかに開発と提出のイテレーションを速く回すかが問われます。

押さえどころ

提出ノートブックには実行時間の制限、インターネット遮断、依存ライブラリの事前準備といった制約があり、学習と推論のコードを分離した作業フローの設計が要になる
ローカル開発の生産性を上げる工夫が定番化している。VS Code や Kaggle CLI でブラウザ操作を減らし実装コードを Dataset として管理する方法（効率的なコードコンペティションの作業フロー）や、GitHub Actions で学習済みモデル・推論コードの提出まで自動化する「KaggleOps」的なアプローチ（code competition も楽したい KaggleOps）で、手作業のアップロードを排除できる
メモリ・実行時間が厳しいコンペでは、C++ など Python 以外の言語を部分的に組み込む工夫も有効（Riiid Answer Correctness Prediction でのC++メモリ節約記事）
LLM 系のコードコンペでは、制限時間に収めるために推論高速化（vLLM や量子化）がほぼ必須になる（自然言語処理コンペ）
実験の再現性や管理の仕組みとセットで整備すると効果が大きい（実験管理）

効率的なコードコンペティションの作業フロー: VSCode と Kaggle CLI でブラウザ操作を減らし、実装コードを Dataset として管理して提出ノートブックから呼び出す設計パターンの提案。
code competition も楽したい KaggleOps: 学習済みモデルと推論コードの提出を GitHub Actions で自動化する構成の紹介。
Kaggle「Riiid Answer Correctness Prediction」でのC++メモリ節約記事: C++ を活用してメモリ使用量を節約する方法を、Python からの呼び出しも含めて解説。
Code Competitionsでの推論・提出方法を解説する記事: インターネット利用不可状態でのライブラリインストール方法も紹介。
「Code Competitions」形式のTipsまとめ記事: 多くのコンペで導入が進む開催形式の攻略 Tips。