Add beginner Kaggle competition task and resources

Author: fuodorov

src/SUMMARY.md

@@ -17,6 +17,7 @@
 - [Свой kNN](./practicum/knn-task.md)
 - [Своя линейная регрессия](./practicum/linear-regression-task.md)
 - [Своя логистическая регрессия](./practicum/logistic-regression-task.md)
+- [Kaggle-соревнование для начинающих](./practicum/kaggle-getting-started-task.md)
 
 # Отвечаем на вопросы
 

src/practicum/kaggle-getting-started-task.md

@@ -0,0 +1,31 @@
+# Задание: Участие в Kaggle-соревновании "Getting Started"
+
+## Цель
+Применить полученные знания на практике, участвуя в одном из начальных соревнований Kaggle. 
+Это позволит вам получить опыт работы с реальными данными и познакомиться с платформой Kaggle.
+
+## Выбор соревнования
+Выберите одно из соревнований из категории "Getting Started":
+
+## Требования
+
+1. **Исследовательский анализ данных** — загрузите данные, проверьте на пропуски и выбросы, исследуйте распределения и корреляции
+
+2. **Подготовка данных** — обработайте пропуски, закодируйте категориальные переменные, масштабируйте признаки
+
+3. **Обучение моделей** — обучите минимум 2 разные модели (например, логистическую регрессию и Random Forest для классификации)
+
+4. **Прогнозирование** — сделайте предсказания на тестовом наборе и отправьте результаты на Kaggle
+
+5. **Анализ результатов** — сравните качество моделей, выявите важные признаки, напишите выводы
+
+## Оформление
+
+Создайте Jupyter-ноутбук со всеми этапами работы, кодом и выводами.
+
+## Полезные ресурсы
+
+- [Kaggle Getting Started Competitions](https://www.kaggle.com/competitions?hostSegmentIdFilter=5)
+- [Scikit-learn Documentation](https://scikit-learn.org/)
+
+[Ссылка на репозиторий](https://github.com/phys-dev/kaggle-getting-started-task)