Kaggle
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2026/02/03 12:17 UTC 版)
| |
|
| 業種 | 予測モデリング |
|---|---|
| 設立 | 2010年4月 |
| 創業者 | Anthony Goldbloom, Ben Hamner |
| 本社 | アメリカ、サンフランシスコ |
| 所有者 | Alphabet (企業) (2017–現在) |
| 親会社 | Google (2017–現在) |
| ウェブサイト | www |
Kaggle（カグル）は企業や研究者がデータを投稿し、世界中の統計家やデータ分析家がその最適モデルを競い合う、予測モデリング及び分析手法関連プラットフォーム及びその運営会社である。 同プラットフォーム上では競技会（Competitions）の開催だけでなく、データセットの公開・共有（Datasets）、ブラウザ上の実行環境（Code）による解析・学習，学習用教材の提供（Learn）、学習済みモデルの共有（Models）などの機能も提供されている。
2017年3月8日、GoogleはKaggle社を買収すると発表した[1][2]。
流れ
- 課題投稿者はデータ及び当該課題の説明が必須である。Kaggle社は、課題作成の支援、課題構成作成、データの匿名化などのコンサルティングを担当する。
- 参加する回答者は多様な手法を試し、最適モデル構築を目指し競い合う。大抵は暫定の評価用データに対する投稿結果が（秘匿化した課題に対する提出モデルの予測精度に基づき）採点され、順位表（Leaderboard）に掲載される。
- 期限後、多くの場合は開催中とは異なる評価用データに対する投稿結果が採点され、最終の順位表が公開される。課題投稿者が賞金を受け取る場合、投稿を再現するコードの提出が求められることが多い。その際、課題投稿者が規定するライセンス規定への準拠などが検収される。
影響
公開課題方式により、HIV研究への最新技術の促進[3] 、より正確なチェスのレイティング[4]など、多くの課題解決につながった。即座に反映されるスコアボードが、回答者に既存の最適解を超えた革新策を導出させる動機付けとなっている[5]。 Heritage Health Prizeによる300万ドルの賞金の課題[6] も話題となった。
情報科学、統計学、経済学、数学などの分野から全世界で約3000万人が登録している[7]。 サイト内での成績に応じた称号（Tier）があり、参加者の技術力を示す役割も果たしている[8]。
DeNAでは人材育成や技術者の勧誘などに利用している[9]。
脚注
- ^ “Google is acquiring data science community Kaggle”. Techcrunch (2017年3月8日). 2017年3月9日時点のオリジナルよりアーカイブ。2017年3月9日閲覧。 “Sources tell us that Google is acquiring Kaggle [...] the official announcement could come as early as tomorrow.”
- ^ “Google buys Kaggle and its gaggle of AI geeks” (英語). CNET. (2017年3月8日) 2026年2月3日閲覧。
- ^ Carpenter, Jennifer (2011年2月). “May the Best Analyst Win”. Science Magazine 2026年2月3日閲覧。
- ^ Sonas, Jeff (2011年2月20日). “The Deloitte/FIDE Chess Rating Challenge”. Chessbase 2026年2月3日閲覧。
- ^ Athanasopoulos, George; Hyndman, Rob (2011年). “The Value of Feedback in Forecasting Competitions”. International Journal of Forecasting 27: pp. 845–849
- ^ “Healthy Competition”. The Economist. (2011年4月10日) 2026年2月3日閲覧。
- ^ Kaggle. “Kaggle in Numbers”. 2026年2月3日閲覧。
- ^ Kaggle. “Progression System”. 2026年2月3日閲覧。
- ^ “DeNA、世界大会でAI腕磨き 本業ゲームに還元”. 日本経済新聞 (2021年11月1日). 2026年2月3日閲覧。
日本語の関連図書
- 門脇 大輔, 阪田 隆司, 保坂 桂佑, 平松 雄司 :「Kaggleで勝つデータ分析の技術」、技術評論社、ISBN 978-4-297-10843-4（2019年10月9日）。
- 坂本 俊之 :「データサイエンスの森 Kaggleの歩き方」、シーアンドアール研究所、ISBN 978-4-86354-293-8（2019年10月）。
- 石原 祥太郎, 村田 秀樹 :「PythonではじめるKaggleスタートブック」、講談社（実践Data Scienceシリーズ）、ISBN 978-4-06-519006-7（2020年3月17日）。
- チーム・カルポ :「Kaggleで学んでハイスコアをたたき出す! Python機械学習&データ分析」、秀和システム新社、ISBN 978-4-7980-6186-3（2020年8月13日）。
- 篠田 裕之 :「Pythonで動かして学ぶ！Kaggleデータ分析入門」、翔泳社、ISBN 978-4-7981-6523-3（2020年10月22日）。
- Jung Kweon Woo（著）, 金重 明（訳）, 巣籠 悠輔（監修） :「Kaggleコンペティション チャレンジブック Pythonによる機械学習 実戦分析」、マイナビ出版、ISBN 978-4-8399-6893-9（2020年12月25日）。
- Abhishek Thakur（著）, 石原 祥太郎（訳） :「Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ」、マイナビ出版、ISBN 978-4-8399-7498-5（2021年8月24日）。
- 諸橋 政幸 :「Kaggleで磨く 機械学習の実践力──実務xコンペが鍛えたプロの手順」、リックテレコム、ISBN 978-4-86594-326-9（2022年6月上旬）。
- 小嵜 耕平, 秋葉 拓哉, 林 孝紀, 石原 祥太郎 :「Kaggleに挑む深層学習プログラミングの極意」、講談社、ISBN 978-4-06-530513-3（2023年1月31日）。
- Konrad Banachewicz（著）, Luca Massaron（著）, 株式会社クイープ（訳） :「The Kaggle Book：データ分析競技 実践ガイド＆精鋭31人インタビュー」、インプレス、ISBN 978-4-295-01595-6（2023年2月21日）。
- Konrad Banachewicz（著）, Luca Massaron（著）, 株式会社クイープ（訳） :「The Kaggle Workbook 著名コンテストに学ぶ！競技トップレベルの思考と技術」、インプレス、ISBN 978-4-295-01795-0（2023年10月19日）。
- Gabriel Preda（著）, 株式会社クイープ（訳） :「グランドマスター三冠のKaggleノートブック開発術 単変量解析から地理情報分析／偽動画検出／LLMまで」、インプレス、ISBN 978-4295021018（2025年2月19日）。
- 髙橋 正憲, 篠田 裕之:「目指せメダリスト！Kaggle実験管理術 着実にコンペで成果を出すためのノウハウ」、翔泳社、ISBN 978-4798187457（2025年3月10日）。
- 高野 海斗, 齋藤 慎一朗, 石原 祥太郎（編著）:「Kaggleではじめる大規模言語モデル入門 自然言語処理〈実践〉プログラミング」、講談社、ISBN 978-4065415245（2026年1月14日）。
関連項目
外部リンク
この項目は、企業に関連した書きかけの項目です。この項目を加筆・訂正などしてくださる協力者を求めています（ウィキプロジェクト 経済）。 |
- Kaggleのページへのリンク