Kaggle 是谷歌旗下的全球顶尖人工智能竞赛，主要提供举办机器学习竞赛、托管数据库、编写和分享代码 的平台。该平台已经吸引了 80 万名数据科学家的参与，这些用户资源及技术资源引起谷歌高度重视。凡是在 Kaggle 竞赛中获得优秀名次参赛者，大部分可以收到藤校、 G5 以及全球百强企业的橄榄枝。
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。对参赛者来说，他们不仅有机会接触丰富的真实数据，解决实际问题，角逐名次，赢取奖金。每年， Kaggle 官方还会举办一次大规模的竞赛，奖金高达一百万。 Kaggle 一直致力于解决业界难题，不以学历和工作经 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。
** 01竞赛规则 ：**
竞赛时间： 全年滚动，随时报名。
竞赛语言： 英文
竞赛形式： 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
竞赛流程：
注册账号（一人只能有一个账号）
选择想要参赛的项目。
下载题目的数据（ rain 数据集，用来优化模型； test 数据集，用来测试优化好的模） test 的结果
就是要提交的结果，提交之后就代表正式参赛，会在网上显示排名（每天可多次提交）。
直到时间截止，评出最优者。
获奖的队伍必须提交源代码（队伍之间不能私自分享代码或者数据）。
** 02竞赛内容：** ****
乍看之下， Kaggle 竞赛的参与门槛极高，但其实， Kaggle 对初学者也是十分友好的，从 Kaggle 提供的官方分类来看，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： Kaggle 最著名的比赛类型，适合数据科学高手参与。题目都是全面的机器学习问题，难
度较高，通常是商业或科研难题，奖金池最大；
·Research： 科研和学术性较强的比赛，同样适合数据科学高手参与，以实验研究为主要方向的竞赛，
一般需要较强的领域和专业知识，奖金相比 Featured 较少；
·Getting Started： 适合基础入门选手，与 Featured 竞赛结构类似，但并没有奖金，以初学者项目学习
积攒经验为主；
·Recruitment： 适合想要去发布公司求职的人，以各大公司需要招募相关职业为主，比赛的奖励为面
试机会；
·Playground： 提供一些公开的数据集用于尝试模型和算法； 82
·Masters： 大师级别的比赛，难度最高，项目也最少。
·Annual： 有两种类型的年度比赛： March Machine Learning Competition ，自 2014 年以来，该比赛每
年都在美国大学篮球锦标赛期间举行； Santa-themed Optimization Competition ，每年在圣诞节前后举行一次。
** 03奖项设置**
l 入门级：Getting started
入门级主要针对刚入门机器学习的初学者，是 kaggle 里最简单的比赛，都是永久性的。就好像是 kaggle
竞赛中的 Hello world 。在里面也会有很多大神给出的参考答案，是一个鼓励性质的比赛，没有奖品积分。
l 进阶级：Playground
进阶级主要面向打过初级比赛后，想要尝试增加难度的新手。这种比赛后面通常会标有 Kowledge （经
验）、 Kudos （荣誉）和少量奖金，
l 高级：Featured
Featured 比赛难度较大，需要有深厚的机器学习功底。高级比赛是有赏金的，有的奖池子高达 100 万
美元，当然没有获得奖金的也有 金牌、银牌和铜牌之分，一般都是多个，如果参加比赛的队伍有两千多个，
通常位列 200 左右也都可以获得铜牌。
l 研究级：Research
与高级比赛相比研究类比赛更具实验性，而且通常没有奖金和分数，但是其为解决某些竞争较弱的特
定领域提供了解决方案。
l 招聘型：Recruitment
在招聘竞赛中，个人将为公司策划的挑战建立机器学习模型。在比赛结束时，感兴趣的参与者可以上 传他们的简历供主持人考虑。 奖品是举办比赛的公司或组织的工作面试。
