Kaggle 是什么？比赛、奖牌与参赛方式入门

先了解这一点

Kaggle 是一个面向数据科学、机器学习与 AI 实践的平台。你可以参加比赛，也可以使用公开数据、阅读和运行代码、学习课程。比赛是其中一部分：不同赛事的任务、提交方式和奖励规则不同，参赛前需要逐项确认。

01 / Kaggle 能做什么？

对初次接触 Kaggle 的人来说，可以先认识四类常用资源。它们分别帮助你找到问题、理解数据、动手实验和补齐知识。

这些资源可以配合使用。例如，先读一场比赛的介绍，再查看相关数据和公开 Notebook，遇到不熟悉的概念时回到课程补充。资源入口见 Kaggle 官网。

以常见的预测类比赛为例，主办方给出任务、数据和评价指标，参赛者建立模型，按要求提交预测或代码。可以把准备过程拆成下面五步。

这里描述的是常见预测赛。仿真赛可能提交在环境中行动的智能体，Hackathon 则可能要求作品说明及其他材料，不能把所有 Kaggle 比赛都理解成“上传一份预测表格”。详见官方竞赛文档。

在采用公榜和私榜的预测赛中，公榜通常只使用部分测试数据，供比赛期间查看表现；私榜用另一部分数据确定最终排名。公榜名次不等于最终名次。最终结果的计算方式和采用哪份提交，要看该赛规则。官方也提醒，公开分数高并不保证私榜表现高。

介绍一段 Kaggle 经历时，这几个词不宜混用。

比赛排名：在这一场比赛中处于什么位置: 排名对应具体赛事和榜单阶段。描述时应说明比赛名称，以及是临时公榜表现还是最终结果。
竞赛奖牌：符合授奖条件的比赛成果: 竞赛奖牌分为金、银、铜。是否授予积分和奖牌，应查看该赛 Overview；授奖数量也会随参赛规模等规则变化。
平台等级：在某一赛道累计取得的成果: Kaggle 当前在 Competitions、Datasets、Code 等赛道分别记录进展，Expert、Master、Grandmaster 等等级与相应赛道的累计成果有关。介绍等级时，最好同时注明赛道。

Notebook 或数据集获得的奖牌，不是某场比赛的竞赛奖牌。此外，个人在平台上的排名与单场比赛排名也不同。官方将平台排名描述为更侧重近期表现的指标，不能仅凭一个排名数字推断具体比赛成绩。

不是。官方当前说明，Getting Started、Playground 和 Community 比赛通常不授予竞赛积分和奖牌。因此，选择比赛时应把“练习流程”和“争取奖牌”作为不同目标考虑，最终以赛事页面为准。参见等级体系说明与竞赛奖牌说明。

如果还没完整参与过一次比赛，建议先选一个数据容易理解、教程较充分的任务，完成“读题—运行—提交—复盘”的流程。官方的 Getting Started 类型就是为新用户入门准备的选择之一。

开始前，可以先回答三个问题：

第一步可以很具体：打开官方入门资源，阅读一个任务的说明，尝试理解一份入门 Notebook。暂时不必用榜单名次判断自己是否适合继续。

如果目标是升学或求职，除了最终成绩，还需要说明自己具体做了什么。建议在参赛过程中保留三类记录：

这些记录能帮助你在简历和交流中把经历写具体、讲明白。竞赛结果并不自动等于录取或录用，表达也应以真实参与和可核查成果为基础。

以下为本文使用的 Kaggle 官方资料，核对日期为 2026 年 9 月 10 日。平台及赛事规则可能更新，参赛时请以对应官方页面为准。