Kaggle é uma plataforma de competições de ciência de dados e uma comunidade online para cientistas de dados e praticantes de aprendizado de máquina 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 se tornou um hub central para pesquisa em inteligência artificial e desenvolvimento prático de modelos.
História
Kaggle foi fundada por Anthony Goldbloom em abril de 2010. Jeremy Howard, um dos primeiros usuários do Kaggle, juntou-se em novembro de 2010 e atuou como Presidente e Cientista Chefe. Nicholas Gruen serviu como 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 o Kaggle.
Em junho de 2017, o Kaggle ultrapassou 1 milhão de usuários registrados. Em outubro de 2023, tinha mais de 15 milhões de usuários em 194 países. Em 2022, os fundadores Goldbloom e Ben Hamner deixaram suas posições, e D. Sculley tornou-se CEO. Em fevereiro de 2023, o Kaggle introduziu Modelos, permitindo que os usuários descobrissem e usassem modelos pré-treinados com integrações profundas no restante da plataforma. Em abril de 2025, o Kaggle fez parceria com a Fundação Wikimedia.
Competições
Muitas competições de aprendizado de máquina foram realizadas no Kaggle desde sua fundação. Competições notáveis incluem reconhecimento de gestos para o Microsoft Kinect, criação de uma IA de futebol associativo para o Manchester City, codificação de um algoritmo de negociação para a Two Sigma Investments e melhoria da busca pelo bóson de Higgs no CERN.
O anfitrião da competição prepara os dados e uma descrição do problema, e pode escolher se oferece um prêmio em dinheiro ou a realiza sem remuneração. Os participantes experimentam diferentes técnicas e competem para produzir os melhores modelos. O trabalho é compartilhado publicamente através do Kaggle Kernels para alcançar melhores benchmarks e inspirar novas ideias. As submissões podem ser feitas via Kaggle Kernels, upload manual ou API do Kaggle. Para a maioria das competições, as submissões são pontuadas imediatamente com base na precisão preditiva em relação a um arquivo de solução oculto, e os resultados são resumidos em um ranking ao vivo. Após o prazo, o anfitrião paga o prêmio em dinheiro em troca de uma licença mundial, perpétua, irrevogável e livre de royalties para usar a entrada vencedora, que é não exclusiva, salvo especificação em contrário.
Além das competições públicas, o Kaggle oferece competições privadas limitadas aos principais participantes. Também fornece uma ferramenta gratuita para professores de ciência de dados realizarem competições acadêmicas de aprendizado de máquina e hospeda competições de recrutamento onde cientistas de dados competem por entrevistas em empresas como Facebook, Winton Capital e Walmart.
As competições do Kaggle levaram a projetos bem-sucedidos em pesquisa de HIV, classificações de xadrez e previsão de tráfego. Geoffrey Hinton e George Dahl usaram redes neurais profundas para vencer uma competição hospedada pela Merck. Vlad Mnih, um dos estudantes de Hinton, usou redes neurais profundas para vencer uma competição hospedada pela Adzuna, e a técnica foi posteriormente adotada por outros na comunidade. Tianqi Chen, da Universidade de Washington, usou o Kaggle para demonstrar o poder do XGBoost, que desde então substituiu o Random Forest como método principal para vencer competições. Vários artigos acadêmicos foram publicados com base em descobertas de competições do Kaggle, auxiliados pelo ranking ao vivo que incentiva a inovação contínua. Métodos vencedores são frequentemente documentados no Blog do Vencedor do Kaggle.
Sistema de Progressão
O 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 atender critérios específicos em competições, conjuntos de dados, kernels (compartilhamento de código) e discussões.
O nível mais alto, Grande Mestre do 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 do Kaggle, 2.973 haviam alcançado o status de Mestre do Kaggle e 612 haviam alcançado o status de Grande Mestre do Kaggle.
Kaggle Notebooks
O Kaggle inclui um ambiente de desenvolvimento integrado online gratuito baseado em navegador chamado Kaggle Notebooks, 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. Este ambiente é frequentemente usado para submissões de competições, tutoriais, educação e análise exploratória de dados.
Problemas de Pesquisa Médica
Em dezembro de 2025, um artigo no The Transmitter relatou que a Springer Nature retratou e removeu quase 40 publicações que treinaram redes neurais em um conjunto de dados 'absurdo'. O conjunto de dados, carregado no Kaggle, continha fotografias de rostos de crianças autistas e não autistas, com mais de 2.900 imagens. É improvável que as crianças ou suas famílias tenham dado consentimento para uso em pesquisa médica, nem foi obtida aprovação ética. Os artigos que usaram o conjunto de dados foram retratados da literatura científica, 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 no Kaggle e publicados na Nature sob o título '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 que usava o conjunto de dados foi referenciado em uma patente de dispositivo médico. Em 5 de junho de 2026, cinco dos artigos que usavam esses conjuntos de dados haviam sido retratados.
Em maio de 2026, uma publicação de pesquisa adicional usando dois conjuntos de dados de imagens do Kaggle passou a ser investigada no Scientific Reports. Um artigo no Retraction Watch, intitulado 'Comically bad datasets used to train clinical models for stroke and diabetes', destacou que as imagens incluíam atores famosos como Sylvester Stallone como Rambo, George Clooney, Angelina Jolie e Daniel Craig, além de crianças. Usar imagens de crianças em pesquisa médica sem consentimento seria antiético. A pesquisa reversa de imagens revelou que algumas imagens não eram para derrame, mas para paralisia de Bell. Um dos conjuntos de dados não está mais disponível no Kaggle, enquanto o outro permanece e menciona a questão da procedência das imagens.