Kaggle 將機器學習問題轉變為公開競賽

企業累積了想要轉化為價值的資料，但資料科學家稀少，組織難以招募人才。Kaggle.com 提供另一種選擇：企業舉辦機器學習競賽，參賽者為獎金打造預測模型。

2020 年 HICSS 的一項研究採用十場專家訪談，加上從 Kaggle 爬取的資料，以了解組織如何運用競賽。研究發現確實有實質效益——與參賽者討論並學習最先進的方法——但也指出，競賽只能涵蓋典型資料科學專案中的一小部分任務。

該研究歸納出三大類別下的 12 項因素，會影響組織主辦資料科學競賽時所感知的成功程度，並提供一套框架，說明何時群眾外包優於招聘。

透過競賽將模型群眾外包

群眾的規模遠大於任何內部團隊，且更加多元。

明確的評估指標讓組織能客觀比較模型。

競賽讓內部團隊接觸到最先進的方法。

主辦競賽只需付出獎金，而非薪資與人力編制。

若專業知識稀缺且昂貴，應購買解決方案而非增加人力：一場範圍界定清楚、指標明確的競賽，能讓群眾完成工作，並在過程中教育你的團隊。

Kaggle 成為資料科學競賽的指標性市集，全球企業與研究者用它來取得模型、基準比較方法與招募人才，之後於 2017 年被 Google 收購。