Kaggle: что это за платформа и как начать с нуля

Kaggle — бесплатная платформа Google для тех, кто учится и работает с данными. На одном сайте собраны соревнования по машинному обучению, сотни тысяч открытых датасетов, облачные ноутбуки с бесплатной видеокартой и короткие курсы. Чтобы начать, хватит аккаунта Google: зарегистрируйтесь на kaggle.com, откройте учебное соревнование Titanic и отправьте первое решение прямо из браузера.

Ниже разберём, что где лежит на сайте, как включить GPU, сколько часов дают бесплатно и как пройти первое соревнование. Если термины машинное обучение и датасет пока звучат расплывчато, начните с этих двух статей, а потом возвращайтесь сюда.

CheckroiПодборка курсов по машинному обучению149 курсов • 28 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→

Что такое Kaggle и кому он нужен

Kaggle основан в 2010 году как площадка конкурсов по анализу данных, а в 2017-м вошёл в Google Cloud. Сейчас на главной странице он называет себя полигоном для проверки ИИ: кроме соревнований там появились бенчмарки, где сравнивают модели, и Game Arena с играми между нейросетями.

Для новичка ценность другая. Kaggle даёт три вещи, которые трудно собрать самому:

• реальные данные с готовой задачей: таблицы на тысячи записей вместо учебного примера из трёх строк;
• бесплатные вычисления: Python уже установлен, библиотеки стоят, видеокарту включают одной кнопкой;
• чужой код с объяснениями: к соревнованиям лежат сотни открытых ноутбуков, по ним видно, как задачу решали другие.

Сайт открывается из России без ограничений, регистрация и все основные функции бесплатны. Интерфейса на русском у Kaggle нет, поэтому названия разделов ниже даём так, как они написаны на сайте, по-английски.

Разделы сайта: где что лежит

Меню слева на любой странице Kaggle. Часть разделов спрятана в пунктах Data Hub и More, но адреса у них постоянные.

Как начать: регистрация и первый ноутбук

Весь путь от регистрации до работающего кода занимает минут десять.

1. Откройте kaggle.com и нажмите Sign Up в правом верхнем углу. Удобнее всего войти через аккаунт Google, можно и по почте.
2. Заполните имя пользователя. Оно станет частью адреса профиля и будет видно в таблицах лидеров, поэтому выбирайте то, что не стыдно показать работодателю.
3. Подтвердите номер телефона в настройках аккаунта (раздел Phone Verification). Без этого не включатся GPU и интернет внутри ноутбука, подробности в следующем разделе.
4. Перейдите в раздел Code и нажмите New Notebook. Откроется редактор, похожий на Jupyter Notebook: ячейки с кодом и текстом, запуск по Shift+Enter.
5. Чтобы подключить данные, нажмите Add Input на панели справа и найдите нужный датасет или соревнование. Подключённые файлы появятся в списке Input на той же панели.

Ноутбук пишут на Python или R, язык переключается в меню File → Language. Если Python для вас новый, разберитесь сначала с основами языка: на Kaggle почти всё построено на pandas и scikit-learn, и без базового синтаксиса чужой код читать тяжело.

Kaggle Notebooks: бесплатный GPU и лимиты

Ноутбук на Kaggle запускается в облаке, своя видеокарта не нужна. По документации Kaggle Notebooks каждой сессии выдают такие ресурсы.

Недельную квоту GPU Kaggle называет в советах по экономии GPU: она обнуляется раз в неделю. Там же предупреждение, которое съедает часы у многих новичков: неактивная сессия живёт ещё 60 минут после закрытия вкладки и всё это время тратит квоту. Останавливайте сессию кнопкой, прежде чем уйти.

Как включить видеокарту:

1. Откройте панель Settings справа в редакторе ноутбука.
2. В пункте Accelerator выберите один из вариантов GPU: P100 или T4 x2.
3. Дождитесь перезапуска сессии. В часы пик Kaggle ставит в очередь, и запуск может занять несколько минут.

Если пункты ускорителя серые, почти всегда дело в неподтверждённом телефоне. Команда Kaggle отвечает на форуме, что GPU доступен только аккаунтам с подтверждённым номером. То же требование стоит и в документации к бенчмаркам, а аккаунтам, созданным после 15 декабря 2025 года, для запуска ноутбуков с заданиями нужна ещё и дополнительная проверка личности.

Видеокарта помогает только коду на библиотеках, которые умеют с ней работать, вроде TensorFlow и PyTorch. pandas и scikit-learn от неё не ускоряются, так и сказано в советах Kaggle. Для табличных задач оставляйте Accelerator в положении None и берегите квоту.

Похожий бесплатный ноутбук с видеокартой есть у Google Colab. Чем они различаются, разобрали ниже в отдельном разделе. Подробно про Colab рассказали в статье о Google Colab.

Первое соревнование: Titanic по шагам

С учебного соревнования Titanic Kaggle советует начинать всем. Задача: по данным о пассажирах предсказать, кто выжил при крушении. Оно идёт бессрочно, призов, очков и медалей не даёт, зато правила те же, что у настоящих конкурсов.

Что лежит во вкладке Data, по описанию данных соревнования:

• train.csv: 891 пассажир с ответом, выжил человек или нет;
• test.csv: 418 пассажиров без ответа, для них и нужен прогноз;
• gender_submission.csv: образец решения, где выжившими считаются все женщины и только они.

Порядок действий:

1. Нажмите Join Competition: без этого не получится отправить решение. Принимать правила у Titanic не нужно, это сказано на вкладке Rules.
2. Во вкладке Code нажмите New Notebook: данные соревнования прикрепятся сами.
3. Запустите код ниже. Это простейшее решение на случайном лесе по четырём признакам: класс билета, пол, число братьев, сестёр и супругов и число родителей и детей на борту.
4. Нажмите Save Version → Save & Run All. Kaggle прогонит ноутбук целиком и сохранит файл submission.csv.
5. Скачайте submission.csv из вкладки Output сохранённой версии и загрузите его на странице соревнования кнопкой Submit Predictions. После проверки в таблице лидеров появится ваша точность.

from pathlib import Path
import pandas as pd
from sklearn.ensemble import RandomForestClassifier

data = Path("/kaggle/input")
train = pd.read_csv(next(data.rglob("train.csv")))
test = pd.read_csv(next(data.rglob("test.csv")))
print(train.shape, test.shape)

features = ["Pclass", "Sex", "SibSp", "Parch"]
X = pd.get_dummies(train[features])
X_test = pd.get_dummies(test[features])
y = train["Survived"]

model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=1)
model.fit(X, y)

submission = pd.DataFrame({"PassengerId": test.PassengerId,
                           "Survived": model.predict(X_test)})
submission.to_csv("/kaggle/working/submission.csv", index=False)
print(submission.shape, list(submission.columns))

Вывод:

(891, 12) (418, 11)
(418, 2) ['PassengerId', 'Survived']

Файл ищется через rglob, а не по жёсткому пути: так код не сломается, если Kaggle переложит данные в другую подпапку /kaggle/input. В итоговом файле ровно 418 строк и две колонки, как требует формат соревнования.

В описании соревнования указан лимит: до 10 решений в день. А по правилам Titanic результат старше двух месяцев пропадает из таблицы лидеров. Команды собирают до 10 человек, один участник может играть только с одного аккаунта.

Как скачать датасет с Kaggle на компьютер

Работать с данными не обязательно в облаке. Если удобнее у себя, например в VS Code, файлы можно забрать тремя способами.

1. Кнопкой на сайте. На странице датасета или во вкладке Data соревнования есть кнопка скачивания со значком загрузки. Подходит для одного-двух файлов.
2. Через командную строку. Официальный kaggle CLI ставится командой pip install kaggle, вход в аккаунт делается через браузер командой kaggle auth login.
3. Из Python-кода. Библиотека kagglehub скачивает датасет одной функцией и возвращает путь к папке с файлами.

Команды для командной строки:

pip install kaggle
kaggle auth login
kaggle competitions download titanic
kaggle datasets download <владелец>/<название> --unzip

Адрес датасета для команды берётся из его ссылки: всё, что идёт после kaggle.com/datasets/. Ключ --unzip сразу распаковывает архив и удаляет zip. Данные большинства соревнований скачаются, только если вы нажали Join Competition и приняли правила.

Канал основателя Checkroi Вани БуявцаЗабирайте промпты и обучение по нейросетям в моём Телеграм-каналеБольше 3 700 человек уже применяют Claude Code, ChatGPT и другие нейросети в работе, учёбе, бизнесе и жизниПерейти в канал→

Медали и звания: что значат Expert и Grandmaster

Прогресс на Kaggle считается отдельно по трём направлениям: соревнования, код и датасеты. По описанию системы прогресса медали бывают бронзовые, серебряные и золотые. В соревнованиях их дают за высокое место, а за ноутбуки и датасеты дают по голосам сообщества.

Медали складываются в звания:

• Expert: стабильно хорошие результаты;
• Master: много сильных работ в направлении;
• Grandmaster: вершина, звание можно получить в каждом из трёх направлений отдельно.

Медаль в соревновании получить труднее всего: это месяцы работы, и медали достаются только верхней части таблицы. Новичку реалистичнее начать с направления Code. Хорошо объяснённый ноутбук с разбором данных собирает голоса быстрее, чем место в призовом конкурсе.

Для резюме важнее не звание, а конкретные работы. Ссылка на ноутбук, где видно, как вы чистили данные и почему выбрали модель, говорит работодателю больше строчки «Kaggle Expert». Как такие проекты встраиваются в путь до первой работы, разобрали в статье как стать Data Scientist.

Kaggle Learn: бесплатные курсы

В разделе Learn лежат короткие практические курсы: Kaggle обещает, что прикладной навык с ними получаешь за несколько часов, а не за недели. Они бесплатные, и за них дают сертификат. Упражнения выполняются в тех же ноутбуках, так что заодно привыкаете к интерфейсу.

Порядок для новичка, который мы бы предложили:

1. Intro to Programming, если код ещё не писали совсем, иначе сразу Python.
2. Pandas: работа с таблицами, без неё ни одно соревнование не решить.
3. Intro to Machine Learning, затем Intermediate Machine Learning.
4. Data Visualization и Feature Engineering, когда первое решение уже отправлено.

Курсы на английском и намеренно поверхностные. Они хорошо дают первый работающий результат, но математику, теорию моделей и разбор ошибок оставляют за кадром.

Kaggle или Google Colab

Оба сервиса принадлежат Google и дают бесплатный ноутбук с видеокартой, поэтому их часто путают.

Сервисы ещё и связаны: подписчики Colab Pro и Pro+ получают на Kaggle 15 и 30 дополнительных часов GPU в неделю соответственно, если привяжут аккаунты. Из редактора Kaggle можно открыть запущенную сессию в Colab кнопкой Open in Colab, это тоже описано в документации Kaggle Notebooks.

Частые ошибки новичков

Ошибка: решение не принимается. Kaggle пишет, что файл не того формата. Причина почти всегда в лишней колонке индекса: pandas по умолчанию записывает её в CSV.

Решение: сохраняйте с index=False и сверяйте файл с gender_submission.csv: те же колонки, те же 418 строк.

Ошибка: pip install не работает. Внутри ноутбука выключен интернет, обычно потому, что не подтверждён телефон.

Решение: подтвердите номер, затем включите Internet в панели Settings. Учтите, что часть соревнований принимает решения только из ноутбуков с выключенным интернетом. Для них Kaggle сделал Dependency Manager, который ставит пакеты заранее.

Ошибка: квота GPU кончилась за два дня. Видеокарта стояла включённой на табличной задаче, а сессии висели после закрытия вкладки.

Решение: включайте GPU только для нейросетей, останавливайте сессию вручную и не делайте Save Version ради промежуточного сохранения. Каждая такая версия заново прогоняет весь ноутбук.

Ошибка: копировать чужой ноутбук с верха таблицы. Форк решения с верха таблицы даёт высокое место за пять минут и ничему не учит. На собеседовании быстро выясняется, что объяснить код вы не можете.

Решение: читайте чужие ноутбуки, но своё решение собирайте с нуля и описывайте в нём каждый шаг текстом.

Где освоить машинное обучение системно

Kaggle хорош как тренажёр: на нём проверяют навык и собирают проекты для портфолио. Сам навык платформа даёт кусками, без последовательной программы и без человека, который разберёт ваши ошибки. Поэтому многие сочетают соревнования с курсом, где есть математика, проекты с обратной связью и помощь с трудоустройством. Варианты собраны в каталоге курсов по машинному обучению и Data Science, ниже первые пять по нашему рейтингу. Программы с задачами на самом Kaggle вынесены в подборку курсов по Kaggle.

Курс	Школа	Стоимость со скидкой	В рассрочку	Длитель­ность	Обзор курса от Checkroi
Machine Learning с нуля до Junior Перейти на сайт курса	Skillbox	123 451 ₽	4384 ₽/мес.	9 месяцев	Обзор курса
Бакалавриат «Data Science & Machine Learning» Перейти на сайт курса	Skillbox	75 000 ₽	-	48 месяцев	Обзор курса
Специалист по искусственному интеллекту Перейти на сайт курса	Нетология	105 716 ₽	4137 ₽/мес.	11 месяцев	Обзор курса
Специалист по искусственному интеллекту: курс для действующих IT-специалистов Перейти на сайт курса	Нетология	80 784 ₽	2833 ₽/мес.	5 месяцев	Обзор курса
Machine Learning Engineer с нуля Перейти на сайт курса	Skillbox	69 000 ₽	-	9 месяцев	Обзор курса

• 

  Machine Learning с нуля до Junior

  Skillbox123 451 ₽4384 ₽/мес9 месяцев
  Перейти на сайт курсаОбзор
• 

  Бакалавриат «Data Science & Machine Learning»

  Skillbox75 000 ₽48 месяцев
  Перейти на сайт курсаОбзор
• 

  Специалист по искусственному интеллекту

  Нетология105 716 ₽4137 ₽/мес11 месяцев
  Перейти на сайт курсаОбзор
• 

  Специалист по искусственному интеллекту: курс для действующих IT-специалистов

  Нетология80 784 ₽2833 ₽/мес5 месяцев
  Перейти на сайт курсаОбзор
• 

  Machine Learning Engineer с нуля

  Skillbox69 000 ₽9 месяцев
  Перейти на сайт курсаОбзор

Больше программ — в полном каталоге курсов по машинному обучению

Если цель в работе по специальности, посмотрите ещё разбор как стать ML-инженером: там расписано, на каком этапе пути Kaggle полезнее всего.