Kaggle 是一個資料科學與機器學習競賽平台：企業或研究機構把真實問題和資料發布成競賽，參賽者提交模型預測結果，按即時排行榜排名，優勝方案可獲得獎金。競賽之外，它還提供公開資料集庫、免費的雲端 Jupyter 環境（Notebooks）、預訓練模型庫（Models）和附證書的入門課程（Learn），由 Google 營運。
瀏覽競賽列表、資料集和公開 Notebooks 不需要註冊；參賽、發布內容、執行 Notebooks 和評論需要帳號（支援 Google 帳號註冊）。首頁自稱有 "33M+ builders, researchers, and labs"（截至 2026-09-02 的官網文案）。
站點速覽
- 網址：https://www.kaggle.com
- 類型：資料科學/機器學習競賽平台與社群（Google 旗下）
- 費用：免費（競賽、資料集、Notebooks、課程均不向使用者收費）
- 註冊要求：瀏覽公開內容無需註冊；參賽、發布與執行程式碼需要帳號
- 介面語言：英文
站點背景
Kaggle 由 Anthony Goldbloom 於 2010 年 4 月在舊金山創立，早期使用者包括後來創辦 fast.ai 的 Jeremy Howard（2010 年 11 月加入，任總裁兼首席科學家）。2017 年 3 月 8 日，Google 在 Google Cloud Next 大會上宣布收購 Kaggle；官方口徑的註冊使用者 2017 年 6 月超過 100 萬，2023 年 10 月超過 1500 萬、覆蓋 194 個國家。2022 年，Goldbloom 與共同創辦人 Ben Hamner 卸任，D. Sculley 接任 CEO。此後平台陸續新增 Models（2023 年 2 月，預訓練模型庫）等能力，並在 2025 年 4 月與維基媒體基金會就開放資料達成合作。
平台構成
競賽（Competitions）：核心板塊。主辦方準備資料和賽題，可自行決定是否設獎金；提交結果按與隱藏標準答案的誤差即時評分並顯示在即時排行榜上。競賽列表頁把賽事分為 Featured（官方主辦、通常有獎金）、Research（學術研究類）、Getting Started（入門練習，如經典的鐵達尼號生存預測）、Community（使用者自建）和 Hackathons 等類型。
獎金機制：有獎金的競賽在截止後由主辦方支付獎金，作為交換，獲勝方按競賽條款授予主辦方對獲獎方案「全球、永久、不可撤銷、免版稅」的使用授權（預設非排他，除非另有約定）。知名賽事包括 CERN 希格斯玻色子搜尋、Two Sigma 交易演算法、Merck 分子活性預測（Geoffrey Hinton 與 George Dahl 用深度神經網路獲勝）等。
資料集（Datasets）：使用者可發布資料集並選擇授權條款，其他使用者可檢索、下載或在 Notebooks 中直接掛載。
Notebooks：瀏覽器內的免費 Jupyter 環境，支援 Python 和 R，可使用 CPU、GPU 或 TPU 算力，常用於競賽提交、教學和探索性分析。
Models：2023 年上線的預訓練模型庫，可發現並使用與平台其他部分打通的模型。
課程（Learn）：免費的短篇實作課程（Python、Pandas、機器學習入門、深度學習入門等），在瀏覽器 Notebooks 中完成練習，官方說明課程免費並可獲得完成證書。
討論區（Discussions）：按競賽和主題組織的論壇，獲獎方案常會公開復盤（Winner's Blog 傳統）。
Progression 等級體系
Kaggle 用等級體系標識使用者資歷：在 Competitions、Datasets、Notebooks、Discussion 四個方向上各自設有 Novice、Contributor、Expert、Master、Grandmaster 五檔，按獎牌和成就晉升，個人資料展示最高檔。官方 Progression 頁面說明各檔標準；成為 Contributor 需要完善資料並驗證手機號碼。由於門檻最高的是競賽方向，Competitions Grandmaster 在行業內常被當作競賽實力的非正式憑證——據 Kaggle 官方 "Kaggle in Numbers" 統計（2025 年 4 月 2 日口徑，經 Wikipedia 引用），全站 2329 萬帳號中 Master 為 2973 人、Grandmaster 僅 612 人。
開放介面
Kaggle 提供官方公開 API 與命令列工具，支援檢索和下載資料集、列出競賽、提交結果、管理 Notebooks 和 Models，適合把資料獲取和提交流程腳本化。
版權與資料政策
- 資料集由上傳者選擇授權條款（建立時可指定 license），使用前應在資料集頁面核對各自的授權條款。
- 競賽另有獨立規則，包括獎金條件、資料使用範圍和獲獎方案的授權安排，參賽前需逐條確認。
- 需要注意資料出處風險：平台依賴上傳者自行填寫元資料和出處，2025 年底至 2026 年相繼有媒體報導多個醫學研究資料集存在來源與授權問題，導致數十篇論文被撤稿。把 Kaggle 資料集用於研究或生產前，應自行核實資料來源與授權。
適用場景
- 透過真實賽題練習和檢驗機器學習技能，累積可展示的專案記錄
- 尋找公開資料集做實驗、教學或原型驗證
- 沒有本機算力時用免費 GPU/TPU Notebooks 跑實驗
- 系統入門 Python、資料分析與機器學習（Learn 微課程）
- 機構發布問題、用競賽方式徵集解法（含自建競賽功能）
局限
- 介面僅英文，競賽與課程內容也以英文為主。
- 排行榜機制容易誘導過度擬合公開測試集，名次不完全等於實際能力；獲獎方案的實際部署仍需工程化。
- 資料集品質與授權、出處依賴上傳者自律，存在上文提到的可靠性風險。
- 免費 Notebooks 的算力與執行時長有配額限制，重負載訓練需要自有資源。
- 註冊與進階功能需要手機號碼驗證等環節，部分網路環境下存取 Google 系服務可能受限。
同類參考
阿里天池 是中文社群中規模較大的同類競賽平台；DrivenData 專注社會公益方向的資料科學競賽；Hugging Face 則在模型與資料集託管方面與 Kaggle 部分重疊。
參考資料
- Kaggle 官網首頁（目前定位與 "33M+" 使用者文案；核查日期 2026-09-02）
- Kaggle 競賽列表頁（競賽分類與卡片資訊；核查日期 2026-09-02）
- Kaggle Progression（五檔等級與四方向體系；核查日期 2026-09-02）
- Kaggle Learn（免費課程與證書；核查日期 2026-09-02）
- GitHub: Kaggle/kaggle-api（官方 API 與 CLI；核查日期 2026-09-02）
- Kaggle Terms（獲獎方案授權條款；經 Wikipedia 引用核對，核查日期 2026-09-02）
- Wikipedia: Kaggle（2010 年創立、2017 年被 Google 收購、使用者規模、Grandmaster 統計、資料集出處爭議；核查日期 2026-09-02）
