竞赛介绍
Kaggle是一个全球知名的数据科学竞赛在线平台。由Anthony Goldbloom和Ben Hamner创立于2010年，是一个进行数据发掘和预测竞赛的在线平台，也是全球最大的数据科学社区和数据科学竞赛平台，2017年被Google收购。从公司的角度来讲，可以提供一些数据，进而提出一个实际需要解决的问题；从参赛者的角度来讲，他们将组队参与项目，针对其中一个问题提出解决方案，最终由公司选出的最佳方案可以获得5K-10K美金的奖金。
Kaggle以数据挖掘起家，为了快速高效的解决最棘手的问题，该平台发布了众多数据科学、机器学习相关的竞赛。Kaggle的多数竞赛由企业或者研究机构发布，以竞赛奖励的方式向全球征集解决方案，通过众包的方式解决建模问题，诸如Google、Facebook、Microsoft等知名科技公司均在Kaggle上举办过数据挖掘比赛。除此之外，Kaggle官方每年还会举办一次大规模的竞赛，奖金高达一百万美金，吸引了广大的数据科学爱好者参与其中。但是不同于传统的低层次劳动力需求，Kaggle一直致力于解决业界难题，因此也创造了一种全新的劳动力市场——不再以学历和工作经验作为唯一的人才评判标准，而是着眼于个人技能，为顶尖人才和公司之间搭建了一座桥梁。
竞赛含金量
助力名校申请
一段带奖金高难度的Kaggle比赛的 Prize Winner经历并不会比一段互联网大厂数据分析实习经历逊色，Kaggle项目可以直观地展现你的数据分析能力。Kaggle作为数据科学行业极富盛名的平台，在业界具有极高的认可度。在找相关工作时，一段Kaggle Prize Winner经历将大大提高你的录取概率。
学界认可度
得益于Kaggle的海量数据集和开放性，它还成为了一个非常棒的教学实践平台，吸引到哥大、纽大、上交大等设立了相关领域的Capstone Project，以及哈佛、牛津、斯坦福等开设Kaggle-in-Class的课程项目。
此外，众多国际大型和重要学术组织、机构，如IEEE、NASA、CERN等都在Kaggle上举办或多次支持（公开数据集）了不同类型的竞赛，帮助他们自己或合作方解决棘手的科研问题。
业界含金量高
许多科技巨头在Kaggle举办Recruitment类的竞赛用于招聘数据科学家，比如 Facebook、Amazon、Walmart。
Featured类的比赛为解决商业问题而设立，是Kaggle平台最主要的竞赛类型，奖金高竞争激烈，有金银铜牌奖励，对参赛选手的能力有一定的要求，同时这意味着如果可以取得较好的成绩排名，对于相关领域的申请、求职能起到很强的背书。
竞赛流程
适合人群：
对数据科学、数据挖掘、机器学习感兴趣的高中生
有一定计算机背景的大学生
竞赛类型：
其难度从初学到高阶以及求职均有涉及，最常见的竞赛可以划分为以下类型：
Featured
Research
Getting Started
Playground
InClass
Analytics
竞赛流程：
01注册账号（一人只能有一个账号）
02选择想要参赛的项目
03下载题目的数据
04时间截止，评出最优者
05获奖的队伍必须提交源代码
注：可以以个人或组队的形式参加比赛，在参赛时可以相互分享经验。
参赛时间：
全年滚动，随时可以报名
竞赛要求：
1.编程语言
最基础的入门学者也需要学会初步使用一门编程语言。对于毫无基础的新手，推荐使用Python，因为Python作为一种强大的胶水语言，可迅速入门。
2.探索数据
光有编程语言是不够的，还需要学习如何探索性分析你手上的数据，这是进入数据科学的第一步。因为通常到手的数据都多到不可思议，你要学会取舍和迅速获取最有用的信息。
3.模型训练
熟悉使用机器学习库，培养良好的习惯，为之后的工作做铺垫实战，从初级可以逐渐增加难度。
Kaggle优势：
Kaggle交流社区的活跃度非常高，许多优秀选手会在社区里开源代码、分享心得，一起成长
Kaggle会根据每场比赛的排名，受到许多企业认可
比赛全英文，可以练习英语
也可以扫码领取报名表哦！
赛题示例：
Allstate索赔预测挑战 - 使用客户的购物历史记录来预测他们购买的保险单
有害评论分类挑战 - 预测维基百科上有害评论的存在和类型
Zillow奖 - 构建一个机器学习算法，可以挑战Zesow，Zillow房地产价格估算算法
谷歌地标检索挑战 - 如果有图像，您能在数据集中找到所有相同的地标吗？
右鲸识别 - 识别航空照片中濒临灭绝的露脊鲸
大规模分层文本分类 - 将维基百科文档分类为约300,000个类别之一
泰坦尼克号：从灾难中进行机器学习，预测泰坦尼克号的生存几率
房价预测：回归方法
猫与狗：创建一种算法去区分猫与狗
纽约出租车行程持续时间：通过数据改善乘车时间预测
商店销售预测
新用户预定预测
比赛形式 ：
Classic：在比赛开始后，用户可以访问完整的数据集。并可以选择在本地或在线进行建模、预测生成预测文件，最后提交预测结果。目前大多数比赛采取本形式。
Two-stage：分为第一阶段和第二阶段，第二阶段建立在第一阶段的结果上，第一阶段完成才可参加第二阶段。
Kernels：参赛者必须在线提交代码，更加公平，使每个参赛者都使用相同配置的电脑。
竞赛奖项设置
kaggle的评价体系 kaggle的用户评价体系是基于三个维度的：竞赛、代码以及社区参与。根据这三个维度把kaggle的用户分成了5个等级：
Novice ：初始等级，只要注册就算
Contributor ：添加资料信息，并且进行了各种指定的动作即可。如上两个等级没有考虑到用户的比赛成绩和社区声望。
Expert ：获得两枚竞赛铜牌；5枚代码铜牌；以及50枚讨论铜牌
Master ：获得一枚竞赛金牌，两枚竞赛银牌；10枚代码银牌；50枚讨论银牌以及总共200枚讨论奖牌
Grandmaster ：获得5枚竞赛金牌，solo竞赛金牌；15枚代码金牌；50枚讨论金牌以及总共500枚讨论奖牌。
竞赛历年真题
| 2017年真题 | 2018年真题 | 2019年真题 | 2020年真题 | 2021年真题 |
真题已经更新至最新年份，扫码免费领取吧！
竞赛常见问题
1、参赛者背景如何？
从比赛目标出发，参赛者主要分为2种：
① 一种是以奖金和排名为目的，包括靠奖金为生的职业Kaggler；
② 另外一种就是以提升相关skills和背景为目的业余爱好者甚至在校学生了。从背景来看，前者的来源主要有丰富data science、data mining、machine learning工作经验的业内人士，或者是实力强劲的民间“技术宅”；而后者则往往是一些有一定技术能力，但经验欠缺，从中进行学习和锻炼的“长江后浪”。
2、在比赛中获胜或者拿到好的排名难吗？
在Kaggle比赛中，赢得一个奖项甚至赢得一个好位置的难度非常高，通常有数千人参与一个项目，只有Top1才能获得奖金，可以说是高手中的高手。
一般来说，几个人在行业内有一定水平在临时组团的情况下最多能拿到20个左右的排名成绩，排名还想要往前走就需要有一定的默契和合作经验。
