Kaggle é uma plataforma de competições de ciência de dados e uma comunidade online para cientistas de dados e profissionais de aprendizado de máquina, operando sob a Google LLC. Ela permite que os usuários encontrem e publiquem conjuntos de dados, explorem e construam modelos em um ambiente de ciência de dados baseado na web, colaborem com outros cientistas de dados e engenheiros de aprendizado de máquina, e participem de competições para resolver desafios de ciência de dados. A plataforma também esteve envolvida em controvérsias relacionadas ao uso de dados antiéticos e não confiáveis em pesquisas médicas.
História
A Kaggle foi fundada por Anthony Goldbloom em abril de 2010. Jeremy Howard, um dos primeiros usuários da Kaggle, ingressou em novembro de 2010 e atuou como Presidente e Cientista Chefe. Nicholas Gruen foi o presidente fundador. Em 2011, a empresa levantou US$ 12,5 milhões, e Max Levchin tornou-se presidente do conselho. Em 8 de março de 2017, Fei-Fei Li, Cientista Chefe do Google, anunciou que o Google estava adquirindo a Kaggle. Em junho de 2017, a Kaggle ultrapassou 1 milhão de usuários registrados e, em outubro de 2023, contava com mais de 15 milhões de usuários em 194 países. Em 2022, os fundadores Goldbloom e Hamner deixaram seus cargos, e D. Sculley tornou-se CEO. Em fevereiro de 2023, a Kaggle introduziu os Modelos, permitindo que os usuários descobrissem e usassem modelos pré-treinados por meio de integrações profundas com o restante da plataforma. Em abril de 2025, a Kaggle firmou parceria com a Wikimedia Foundation.
Competições
Muitas competições de aprendizado de máquina foram realizadas na Kaggle desde sua fundação. Competições notáveis incluem reconhecimento de gestos para o Microsoft Kinect, criação de uma IA de futebol para o Manchester City, codificação de um algoritmo de negociação para a Two Sigma Investments e a melhoria da busca pelo bóson de Higgs no CERN. O anfitrião da competição prepara os dados e uma descrição do problema, podendo optar por recompensar com dinheiro ou deixar sem remuneração. Os participantes experimentam diferentes técnicas e competem para produzir os melhores modelos. O trabalho é compartilhado publicamente por meio dos Kernels da Kaggle para alcançar melhores benchmarks e inspirar novas ideias. As submissões podem ser feitas por meio dos Kernels da Kaggle, upload manual ou pela API da Kaggle. Na maioria das competições, as submissões são pontuadas imediatamente com base na precisão preditiva em relação a um arquivo de solução oculto e resumidas em um ranking ao vivo. Após o prazo final, o anfitrião paga o prêmio em dinheiro em troca de uma licença mundial, perpétua, irrevogável e livre de royalties para usar a solução vencedora, que é não exclusiva, salvo disposição em contrário.
Além das competições públicas, a Kaggle oferece competições privadas limitadas aos principais participantes. Ela também fornece uma ferramenta gratuita para professores de ciência de dados realizarem competições acadêmicas e hospeda competições de recrutamento para empresas como Facebook, Winton Capital e Walmart. Projetos bem-sucedidos de competições incluem o avanço da pesquisa sobre HIV, classificações de xadrez e previsão de tráfego. Geoffrey Hinton e George Dahl usaram redes neurais profundas para vencer uma competição hospedada pela Merck, e Vlad Mnih, aluno de Hinton, usou redes neurais profundas para vencer uma competição hospedada pela Adzuna, levando a uma adoção mais ampla da técnica. Tianqi Chen, da Universidade de Washington, usou a Kaggle para demonstrar o poder do XGBoost, que desde então substituiu o Random Forest como principal método para vencer competições. Vários artigos acadêmicos foram publicados com base em descobertas de competições da Kaggle, com o ranking ao vivo incentivando a inovação contínua. Os métodos vencedores são frequentemente documentados no Blog dos Vencedores da Kaggle.
Sistema de Progressão
A Kaggle implementou um sistema de progressão para reconhecer e recompensar usuários com base em contribuições e conquistas. O sistema consiste em cinco níveis: Novato, Contribuidor, Especialista, Mestre e Grande Mestre. Cada nível é alcançado ao cumprir critérios específicos em competições, conjuntos de dados, kernels (compartilhamento de código) e discussões. O nível mais alto, Grande Mestre da Kaggle, é concedido a usuários que alcançaram o topo em múltiplas competições, incluindo alta classificação em uma equipe solo. Em 2 de abril de 2025, de 23,29 milhões de contas da Kaggle, 2.973 alcançaram o status de Mestre e 612 alcançaram o status de Grande Mestre.
Notebooks da Kaggle
A Kaggle inclui um ambiente de desenvolvimento integrado online gratuito baseado em navegador, chamado Notebooks da Kaggle, projetado para ciência de dados e aprendizado de máquina. Os usuários podem escrever e executar código em Python ou R, importar conjuntos de dados, usar bibliotecas populares e treinar modelos em CPUs, GPUs ou TPUs diretamente na nuvem. Esse ambiente é frequentemente usado para submissões em competições, tutoriais, educação e análise exploratória de dados.
Problemas em Pesquisas Médicas
Em dezembro de 2025, um artigo no The Transmitter intitulado "Exclusive: Springer Nature retracts, removes nearly 40 publications that trained neural networks on 'bonkers' dataset" destacou um conjunto de dados carregado na Kaggle contendo fotografias de rostos de crianças autistas e não autistas. O conjunto de dados continha mais de 2.900 imagens, e é improvável que as crianças ou suas famílias tenham dado consentimento para uso em pesquisas médicas ou que as imagens tenham sido aprovadas eticamente. Artigos que usaram o conjunto de dados na Springer Nature foram retratados, e pelo menos 90 outras publicações citam uma versão do conjunto de dados. Em abril de 2026, dois conjuntos de dados adicionais sem procedência de dados foram identificados na Kaggle, conforme publicado na Nature intitulado "Dozens of AI disease-prediction models were trained on dubious data." Esses conjuntos de dados foram usados em 125 modelos de predição clínica, pelo menos dois dos quais foram usados em hospitais na Indonésia e na Espanha, enquanto um artigo foi referenciado em uma patente de dispositivo médico. Em 5 de junho de 2026, cinco artigos que usavam esses conjuntos de dados foram retratados. Em maio de 2026, uma publicação de pesquisa adicional que usava dois conjuntos de dados de imagens da Kaggle está sob investigação na Scientific Reports. Um artigo no Retraction Watch intitulado "'Comically bad' datasets used to train clinical models for stroke and diabetes" observou que as imagens incluíam atores famosos como Sylvester Stallone como Rambo, George Clooney, Angelina Jolie e Daniel Craig, além de crianças. A busca reversa de imagens revelou que algumas imagens não eram para derrame, mas para paralisia de Bell. Um conjunto de dados não está mais disponível na Kaggle, enquanto o outro permanece.
Impacto e Legado
A aquisição pelo Google integrou a Kaggle ao ecossistema mais amplo do Google Cloud e do Google DeepMind, aprimorando suas capacidades em Machine learning e Artificial intelligence. A plataforma da Kaggle tornou-se um hub central para técnicas de Data Augmentation e práticas de Model Pruning, com usuários utilizando arquiteturas de Residual Network (ResNet) e U-Net. A comunidade contribuiu para avanços na pesquisa em Deep learning e Neural network, frequentemente usando ferramentas como Adam (Optimizer) e Batch Normalization. As competições da Kaggle também influenciaram o desenvolvimento de Generative AI, com participantes explorando modelos Transformer (architecture) e aplicações de Large language model. O sistema de progressão e os notebooks da plataforma tornaram-na um recurso essencial para educação e desenvolvimento profissional em ciência de dados, promovendo uma comunidade global de profissionais e praticantes.