Kaggle 的比赛在 Machine Learning 领域中属于什么地位？

在主流科研界可能影响已经不大了，但是在工业界中依然很受用。如果你有一些特别亮点的成绩，还是很有说服力的。也正如

@lau phunter 中提到的答案一样。

如果要在Kaggle比赛里面获得一个好的成绩，免不了要做大量的实验：关于参数选择，模型选择，以及特征工程等等。而为了高效地完成这些实验，即要有良好的实验思想，又要有扎实的代码功底来完成Pipeline设计与架构。这都非常考验人的综合能力，是工业界需要的人才。

当然即便如此，Kaggle的比赛已经比真实世界中的机器学习要做的事情简化太多了。我们平时时间都花在哪了？

• 确定要解决的问题到底是什么

• 明确优化指标

• 收集合适的数据

• 数据清洗

• 做各种实验

• 要求其他组的人协同做A/B Test

• 把机器学习的Pipeline整合到其他产品的Pipeline中

• 在各个场合推销我们的模型真的有用……

所以真正能跑实验的时间并不多。但无论怎样，至少Kaggle中取得一个好成绩说明你真的可以系统性地做实验，是非常大的亮点，也是非常过硬得指标。