长文慎点！Kaggle比赛的top2%和金牌到底差距有多大？
入了kaggle这个坑三年，成绩还凑合，目前拿到一金二银二铜，也和综合排名top10的种子选手组过队。
我会尽量保持周更的频率，每条评论也会看，比较走心的高质量评论必回，看反馈情况决定是否改变更新频率。帖子主要谈三个主题：
1.kaggle的比赛冲分技巧。在具备top10%乃至top2%的实力的情况下，如何百尺竿头更进一步，冲击奖牌， 以及如何选择适合自己的项目。
2.在简历里怎么包装项目，面试的时候怎么展示，
3.怎么通过kaggle来networking，以文会友，建立人脉网络。
废话不多说，正题开始。
想要在kaggle平台制霸，我们首先要了解kaggle的前世今生，了解他比赛的风格和最近几年的变化方向。
Kaggle是一个对给定数据集的的数据建模平台，以分类、回归问题为主（也有少许聚类，我个人估计应该是因为聚类模型的表现衡量起来相对麻烦，以后如果有时间，可以开一个专题讲聚类，现在因为和主线有点偏离，先按下不表）。
Kaggle竞赛的合作方，早期可以认为是悬赏方，提供数据和任务，往往是公司内部数据（当然作了一些去敏），进而提出公司一个实际需要解决的问题。这个模式有一些类似赏金猎人，尤其是在2010年前后，kaggle还比较小众的时候，参赛人数不多，如果不是金额特别爆炸的悬赏，不是精心雕琢的模型往往也能瞎打乱撞拿到奖金。
虽然一开始kaggle的初衷有一些类似于赏金猎人，但是随着平台的壮大，单纯的去冲击奖金的期望收益已经大大降低，所以kaggle平台慢慢就演变成了现在类似竞赛平台的形式。尤其是在被Google收购之后，kaggle上的题目风格发生了不小的变化，概括起来就是两多两少。
两多：
参赛队伍变多
深度学习模型变多
两少：
数据量变小
比赛数量变少
投递快手等公司10个岗位 >
要赔两万多违约金