参考リンク集（日本語中心）
このページの内容
リンク切れやサイト移転の可能性があります。 開けないときは、書いてある検索ワードで探してください。
1. Kaggle公式（最優先）
| サイト | URL | 備考 |
|---|---|---|
| Kaggle トップ | https://www.kaggle.com/ | まずは登録 |
| Kaggle Learn（無料講座） | https://www.kaggle.com/learn | Python / Pandas / 機械学習入門など |
| Kaggle 公式ドキュメント | https://www.kaggle.com/docs | 仕様の正確な情報源 |
| 称号・メダル制度の説明 | https://www.kaggle.com/progression | メダル基準の公式表 |
| Titanic コンペ | https://www.kaggle.com/c/titanic | 最初の一歩 |
| Titanic 公式チュートリアル | https://www.kaggle.com/code/alexisbcook/titanic-tutorial | Kaggle公式が用意した入門Notebook |
| Kaggle API | https://github.com/Kaggle/kaggle-api | 慣れてから |
Kaggle Learn のおすすめ受講順
- Python（文法の基礎）
- Pandas（表データ操作）
- Intro to Machine Learning（機械学習入門）
- Intermediate Machine Learning（欠損値・カテゴリ変数・パイプライン）
- Feature Engineering（特徴量エンジニアリング）
- Data Visualization（可視化）
英語ですが、1コース2〜4時間程度で、ブラウザ翻訳と併用すれば十分進められます。修了証（バッジ）も出ます。
2. 日本語の定番書籍
| 書籍 | 位置づけ |
|---|---|
| 『PythonではじめるKaggleスタートブック』（石原祥太郎・村田秀樹／講談社） | 最初の1冊。 Titanicを題材に、提出までを日本語で丁寧に解説。サポートコード： https://github.com/upura/python-kaggle-start-book |
| 『Kaggleで勝つデータ分析の技術』（門脇大輔ほか／技術評論社） | バイブル。 特徴量・検証・モデルの実践知が詰まっている。2冊目に最適 https://gihyo.jp/book/2019/978-4-297-10843-4 |
| 『Kaggleに挑む深層学習プログラミングの極意』（小嵜耕平ほか／講談社） | 画像・NLPなど深層学習コンペに進むとき |
| 『ゼロから作るDeep Learning』（斎藤康毅／オライリー） | ディープラーニングの仕組みを根本から理解したいとき |
| 『Pythonではじめる機械学習』（オライリー） | scikit-learnの体系的な理解に |
最初は 『Kaggleスタートブック』→『Kaggleで勝つデータ分析の技術』 の2冊で十分です。
3. 日本語の学習サイト
| サイト | URL | 内容 |
|---|---|---|
| 東京大学 Pythonプログラミング入門 | https://utokyo-ipp.github.io/ | 無料・高品質なPython入門 |
| note.nkmk.me（pandas） | https://note.nkmk.me/pandas/ | pandasの逆引き辞典として最強 |
| 統計学の時間（BellCurve） | https://bellcurve.jp/statistics/course/ | 統計の基礎を日本語で |
| Qiita の Kaggle タグ | https://qiita.com/tags/kaggle | 日本語の実践記事が大量 |
| Zenn の Kaggle トピック | https://zenn.dev/topics/kaggle | 比較的新しい記事が多い |
検索のコツ
- 「コンペ名 + 解法」「コンペ名 + 参加記」で日本語の振り返り記事が見つかります。
- 「Kaggle 初心者 Titanic」で入門記事が大量に出ます。
- エラーが出たら「エラーメッセージをそのまま検索」が最速です。
4. 日本語Kagglerの発信
| 発信者 | 内容 | 探し方 |
|---|---|---|
| u++（upura／石原祥太郎）氏 | ブログ・書籍。入門者向けの情報が豊富 | https://upura.hatenablog.com/ |
| カレーちゃん氏 | 初心者向けのKaggle解説・YouTube動画 | 「カレーちゃん Kaggle」で検索 |
| Kaggle Advent Calendar | 毎年12月に日本語記事が大量に集まる | Qiitaで「Kaggle Advent Calendar」を検索 |
| kaggler-ja（Slackコミュニティ） | 日本語でKaggleの質問ができる場 | 「kaggler-ja Slack 参加」で検索 |
| X（旧Twitter） | #kaggle や日本人Kagglerのアカウント | コンペ終了直後の感想戦が面白い |
5. 日本語で参加できるコンペサイト（Kaggleの代わり／並行）
英語がつらいとき、ここから始めるのも有効です。問題文が日本語です。
| サイト | URL | 特徴 |
|---|---|---|
| SIGNATE | https://signate.jp/ | 日本最大。国内企業・官公庁のコンペ。学習コンテンツも豊富 |
| Nishika | https://www.nishika.com/ | 日本語コンペ。初心者向けの題材も |
| ProbSpace | https://comp.probspace.com/ | コミュニティが穏やかで入門向け |
| atmaCup | https://www.guruguru.science/ | 短期集中（1〜2週間）のオンサイト型。学びが濃い |
おすすめの使い方：Kaggleで基礎を学びつつ、日本語コンペで「母語で考える体験」をすると理解が早まります。
6. 公式ドキュメント（辞書として）
| ライブラリ | URL |
|---|---|
| pandas | https://pandas.pydata.org/docs/ |
| NumPy | https://numpy.org/doc/ |
| scikit-learn | https://scikit-learn.org/stable/ |
| LightGBM | https://lightgbm.readthedocs.io/ |
| Optuna（日本製） | https://optuna.org/ |
| PyTorch | https://pytorch.org/docs/ |
| matplotlib | https://matplotlib.org/stable/ |
| seaborn | https://seaborn.pydata.org/ |
公式ドキュメントは英語ですが、関数名と引数を確認する用途なら英語力はほぼ不要です。
7. 補助ツール
| ツール | URL | 用途 |
|---|---|---|
| DeepL翻訳 | https://www.deepl.com/ja/translator | 精度の高い翻訳 |
| Google Colab | https://colab.research.google.com/ | Kaggle以外のNotebook環境 |
| GitHub | https://github.com/ | 自分のコードを保存・公開する |
8. 学ぶ順番のおすすめ（リソース版）
1週目： このガイド 00〜05 を読む ＋ Titanicを提出
↓
2〜3週目： Kaggle Learn の Python / Pandas / Intro to ML
↓
4週目〜： 『PythonではじめるKaggleスタートブック』を1冊通す
↓
2ヶ月目： Playground Series に参加（公開Notebookを写経→改造）
↓
3ヶ月目： 『Kaggleで勝つデータ分析の技術』を読みながら、本番コンペに1つ参加