Kaggle 是一个数据科学与机器学习竞赛平台：企业或研究机构把真实问题和数据发布成竞赛，参赛者提交模型预测结果，按实时排行榜排名，优胜方案可获得奖金。竞赛之外，它还提供公开数据集库、免费的云端 Jupyter 环境（Notebooks）、预训练模型库（Models）和带证书的入门课程（Learn），由 Google 运营。

Kaggle 首页：当前定位为 "The World's AI Proving Ground"，面向 AI 开发者、机构与研究者浏览竞赛列表、数据集和公开 Notebooks 不需要注册；参赛、发布内容、运行 Notebooks 和评论需要账号（支持 Google 账号注册）。首页自称有 "33M+ builders, researchers, and labs"（截至 2026-09-02 的官网文案）。

站点速览

  • 网址：https://www.kaggle.com
  • 类型：数据科学/机器学习竞赛平台与社区（Google 旗下）
  • 费用：免费（竞赛、数据集、Notebooks、课程均不向用户收费）
  • 注册要求：浏览公开内容无需注册；参赛、发布与运行代码需要账号
  • 界面语言：英文

站点背景

Kaggle 由 Anthony Goldbloom 于 2010 年 4 月在旧金山创立，早期用户包括后来创办 fast.ai 的 Jeremy Howard（2010 年 11 月加入，任总裁兼首席科学家）。2017 年 3 月 8 日，Google 在 Google Cloud Next 大会上宣布收购 Kaggle；官方口径的注册用户 2017 年 6 月超过 100 万，2023 年 10 月超过 1500 万、覆盖 194 个国家。2022 年，Goldbloom 与联合创始人 Ben Hamner 卸任，D. Sculley 接任 CEO。此后平台陆续新增 Models（2023 年 2 月，预训练模型库）等能力，并在 2025 年 4 月与维基媒体基金会就开放数据达成合作。

平台构成

  • 竞赛（Competitions）：核心板块。主办方准备数据和赛题，可自行决定是否设奖金；提交结果按与隐藏标准答案的偏差即时评分并显示在实时排行榜上。竞赛列表页把赛事分为 Featured（官方主办、通常有奖金）、Research（学术研究类）、Getting Started（入门练习，如经典的泰坦尼克生存预测）、Community（用户自建）和 Hackathons 等类型。

    Kaggle 竞赛列表页：按 Featured、Getting Started、Research 等类别浏览，卡片显示参赛队伍数与状态

  • 奖金机制：有奖金的竞赛在截止后由主办方支付奖金，作为交换，获胜方按竞赛条款授予主办方对获奖方案"全球、永久、不可撤销、免版税"的使用许可（默认非排他，除非另有约定）。知名赛事包括 CERN 希格斯玻色子搜索、Two Sigma 交易算法、Merck 分子活性预测（Geoffrey Hinton 与 George Dahl 用深度神经网络获胜）等。

  • 数据集（Datasets）：用户可发布数据集并选择许可协议，其他用户可检索、下载或在 Notebooks 中直接挂载。

  • Notebooks：浏览器内的免费 Jupyter 环境，支持 Python 和 R，可使用 CPU、GPU 或 TPU 算力，常用于竞赛提交、教学和探索性分析。

  • Models：2023 年上线的预训练模型库，可发现并使用与平台其他部分打通的模型。

  • 课程（Learn）：免费的短篇实操课程（Python、Pandas、机器学习入门、深度学习入门等），在浏览器 Notebooks 中完成练习，官方说明课程免费并可获得完成证书。

  • 讨论区（Discussions）：按竞赛和主题组织的论坛，获奖方案常会公开复盘（Winner's Blog 传统）。

Progression 等级体系

Kaggle 用等级体系标识用户资历：在 Competitions、Datasets、Notebooks、Discussion 四个方向上各自设有 Novice、Contributor、Expert、Master、Grandmaster 五档，按奖牌和成就晋升，个人资料展示最高档。官方 Progression 页面说明各档标准；成为 Contributor 需要完善资料并验证手机号。由于门槛最高的是竞赛方向，Competitions Grandmaster 在行业内常被当作竞赛实力的非正式凭证——据 Kaggle 官方 "Kaggle in Numbers" 统计（2025 年 4 月 2 日口径，经 Wikipedia 引用），全站 2329 万账号中 Master 为 2973 人、Grandmaster 仅 612 人。

开放接口

Kaggle 提供官方公开 API 与命令行工具，支持检索和下载数据集、列出竞赛、提交结果、管理 Notebooks 和 Models，适合把数据获取和提交流程脚本化。

版权与数据政策

适用场景

  • 通过真实赛题练习和检验机器学习技能，积累可展示的项目记录
  • 寻找公开数据集做实验、教学或原型验证
  • 没有本地算力时用免费 GPU/TPU Notebooks 跑实验
  • 系统入门 Python、数据分析与机器学习（Learn 微课程）
  • 机构发布问题、用竞赛方式征集解法（含自建竞赛功能）

局限

  • 界面仅英文，竞赛与课程内容也以英文为主。
  • 排行榜机制容易诱导过拟合公开测试集，名次不完全等于实际能力；获奖方案的实际部署仍需工程化。
  • 数据集质量与许可、出处依赖上传者自律，存在上文提到的可靠性风险。
  • 免费 Notebooks 的算力与运行时长有配额限制，重负载训练需要自有资源。
  • 注册与进阶功能需要手机号验证等环节，部分网络环境下访问 Google 系服务可能受限。

同类参考

阿里天池 是中文社区中规模较大的同类竞赛平台；DrivenData 专注社会公益方向的数据科学竞赛；Hugging Face 则在模型与数据集托管方面与 Kaggle 部分重叠。

参考资料

  • Kaggle 官网首页（当前定位与 "33M+" 用户文案；核查日期 2026-09-02）
  • Kaggle 竞赛列表页（竞赛分类与卡片信息；核查日期 2026-09-02）
  • Kaggle Progression（五档等级与四方向体系；核查日期 2026-09-02）
  • Kaggle Learn（免费课程与证书；核查日期 2026-09-02）
  • GitHub: Kaggle/kaggle-api（官方 API 与 CLI；核查日期 2026-09-02）
  • Kaggle Terms（获奖方案许可条款；经 Wikipedia 引用核对，核查日期 2026-09-02）
  • Wikipedia: Kaggle（2010 年创立、2017 年被 Google 收购、用户规模、Grandmaster 统计、数据集出处争议；核查日期 2026-09-02）