Kaggle
Plataforma · el análisis se ha elaborado a partir de las páginas oficiales de la propia plataforma y de las herramientas que la acompañan.
Véase también: cómo leer las fichas и sobre las fuentes y el método.
Panorama general
Kaggle es una plataforma para especialistas en datos y aprendizaje automático: competiciones, conjuntos de datos, un entorno en la nube para código, modelos ya preparados y cursos. Su propietario es Google.
La plataforma da su propia descripción en un archivo legible por máquina destinado a programas: «Kaggle es una comunidad en línea para especialistas en datos, practicantes del aprendizaje automático y desarrolladores de IA. Los usuarios pueden encontrar y publicar conjuntos de datos, construir modelos en un entorno web de trabajo con datos y participar en competiciones». Allí mismo se precisa: «Kaggle es más que competiciones: aquí hay también una gran colección de conjuntos de datos, el entorno en la nube Notebooks, las secciones Models y Benchmarks y multitud de cursos», y que la plataforma está gamificada: los usuarios obtienen rangos desde Novice hasta Grandmaster.
Vamos de entrada con la principal limitación de este análisis. El sitio está protegido por una comprobación del navegador: una petición corriente a www.kaggle.com devuelve una página «Checking your browser — reCAPTCHA», y el contenido lo inserta un script. En la dirección www.kaggle.com/robots.txt no hay archivo con directivas: el servidor entrega una página HTML, no el texto de robots.txt (en una de nuestras verificaciones con código 404, en las siguientes con código 200 y tipo text/html). Es decir, la plataforma no impone una prohibición formal de lectura, pero sí existe una protección técnica contra robots. Por eso quedan dos fuentes abiertas: la descripción del sitio legible por máquina y la documentación oficial de Kaggle en GitHub.
Quién está aquí
Kaggle no publica indicadores numéricos de audiencia en las páginas disponibles para nosotros: ni número de usuarios, ni número de conjuntos de datos, ni desglose por países e idiomas.
La única indicación indirecta está en la descripción de la página de la propia plataforma: una invitación a «unirte a millones de creadores, investigadores y laboratorios que evalúan agentes, modelos y tecnología de frontera mediante bancos de pruebas colaborativos, competiciones y hackatones». La palabra «millones» es una formulación de marketing sin medición.
El idioma de la plataforma es el inglés. La composición de la audiencia se ve indirectamente por su estructura: cinco escalones de progreso desde Novice hasta Grandmaster y cuatro líneas de actividad visibles en la línea de comandos — competiciones, conjuntos de datos, cuadernos y foros (la lista de comandos).
Cómo empezar
El registro hace falta para todo salvo para leer. La documentación oficial de la línea de comandos describe así el acceso: «primero necesitarás una cuenta de Kaggle»; tras iniciar sesión, las credenciales para el acceso programático se descargan en la página de ajustes, con el botón «Generate New Token» de la sección API.
La sección de tutoriales propone entrar en Kaggle desde el navegador para comprobar el resultado de los comandos en la sección «Your Work» de tu perfil: la plataforma está pensada para la combinación «web más herramienta».
La página kaggle.com/docs/getting-started, a la que la plataforma enlaza en la descripción del sitio, está oculta tras la comprobación del navegador — y tras ella quedan el procedimiento exacto de registro, los requisitos de verificación y la existencia de cuentas de empresa.
Qué se puede publicar
Cuatro tipos de objetos que el usuario crea por sí mismo: competiciones, conjuntos de datos, modelos y sus variantes, cuadernos (kernels). Los foros están disponibles para lectura.
Los conjuntos de datos se publican con un archivo dataset-metadata.json, en el que se anotan el título, el identificador de la dirección, la licencia y la descripción — el procedimiento está descrito en la sección de tutoriales. Los filtros de búsqueda muestran qué formatos distingue la plataforma — CSV, SQLite, JSON, BigQuery — y qué licencias: CC, GPL, ODB y «otras». El tamaño se indica y se filtra en bytes; la documentación no menciona un límite superior.
Los cuadernos. Los lenguajes están enumerados en los parámetros del filtro: Python, R, SQLite, Julia; los tipos son script y cuaderno. Se publica un archivo .ipynb, .Rmd o .py más un kernel-metadata.json con título, identificador, lenguaje, tipo y fuentes de datos.
Los modelos se publican como modelo, sus variantes y las versiones de las variantes — tres niveles, cada uno con sus propios comandos.
Las competiciones no solo se pueden resolver, sino también organizar: el README describe los comandos del anfitrión de una competición — creación, llenado de páginas, configuración y puesta en marcha.
Las reglas sobre qué está prohibido publicar están en el acuerdo, en una página cerrada a la lectura.
Cómo crecer
La plataforma no describe la mecánica del posicionamiento, pero los parámetros de ordenación delatan por qué mide la popularidad. Para los cuadernos son hotness (por omisión), número de comentarios, fecha de creación, fecha de ejecución, relevancia, valoración, número de vistas y número de votos; para los conjuntos de datos, hottest, votos, fecha de actualización, actividad; para los modelos, hotness, número de descargas, número de votos, número de cuadernos, fecha de creación. La conclusión: en Kaggle no crece un texto, sino un artefacto que la gente usa.
La segunda vía de crecimiento son las competiciones. Sus categorías: featured, research, recruitment, gettingStarted, masters, playground. La categoría recruitment habla por sí sola: parte de las competiciones se organizan para contratar. En la salida de la lista hay columnas reward (recompensa), teamCount (número de equipos) y userRank — tu puesto en la tabla pública.
Kaggle no anuncia panel publicitario.
El camino hacia la monetización
Kaggle no paga por las publicaciones: en las fuentes disponibles no se describe ni reparto de ingresos, ni suscripciones, ni pagos por conjuntos de datos.
El dinero llega aquí de los premios de las competiciones: cada competición tiene una columna reward, y la lista se puede ordenar por prize. El tamaño de los premios lo fija el organizador, no la plataforma, y es distinto en cada concurso. En las páginas abiertas no hay un umbral de pago único, ni condiciones de pago, ni lista de países: esas condiciones se publican en las reglas de cada competición concreta.
Una monetización indirecta es la profesional: la categoría recruitment muestra que la plataforma ha integrado la contratación en su formato.
Herramientas y automatización
Kaggle tiene dos herramientas oficiales, y ambas están abiertas a la lectura en GitHub: eso es lo que permitió comprobarlas sin entrar en el sitio.
Kaggle CLI se instala con pip install kaggle y requiere Python 3.11 o posterior. Las posibilidades las enumera la plataforma: lista de competiciones, descarga de sus datos y envío de soluciones; lista, creación, actualización, descarga y borrado de conjuntos de datos; lo mismo para modelos y sus variantes; lista, actualización, ejecución, descarga de código y resultados de los cuadernos; lectura de los foros. Autorización: flujo web kaggle auth login, variable de entorno KAGGLE_API_TOKEN, archivo ~/.kaggle/access_token y el obsoleto ~/.kaggle/kaggle.json; se configuran la competición por omisión, la carpeta de descarga y el proxy.
Los aceleradores para ejecutar un cuaderno se eligen con un parámetro. La lista a fecha de febrero de 2026: NvidiaTeslaP100, TpuV38, NvidiaTeslaT4, NvidiaTeslaT4Highmem, Tpu1VmV38, NvidiaTeslaA100, NvidiaL4, TpuV5E8, NvidiaL4X1, TpuV6E8, NvidiaH100, NvidiaRtxPro6000; allí mismo hay una salvedad fácil de pasar por alto: parte de ellos están disponibles solo para participantes de determinadas competiciones, y parte solo para administradores de Kaggle. El tiempo de ejecución se limita con el parámetro --timeout en segundos, y la entrega paginada de los archivos de resultado es de 20 archivos por omisión, con un máximo de 200.
La biblioteca kagglehub da acceso a conjuntos de datos, modelos y resultados de cuadernos directamente desde el código. Su comportamiento depende del lugar de ejecución: dentro de un cuaderno de Kaggle el recurso se adjunta automáticamente al cuaderno, se muestra en el panel Input y se sirve desde una caché común, sin ocupar el disco de la máquina virtual; fuera de Kaggle los archivos se descargan a una caché local. Allí mismo: dentro de un cuaderno de Kaggle la autorización ya está hecha, y manualmente solo hace falta para recursos privados y para los públicos que requieren el consentimiento del usuario.
No hay herramientas externas de publicación automática que declaren compatibilidad con Kaggle: la plataforma no va de un flujo de publicaciones.
Límites y reglas
- Protección contra robots. La página principal entrega una comprobación reCAPTCHA; en la dirección robots.txt no hay directivas — llega una página HTML. La lectura automática del sitio es en la práctica imposible sin sortear la protección, y sortearla no se debe.
- Aceleradores. Parte están disponibles solo para participantes de determinadas competiciones o para administradores.
- Versión de Python para la herramienta. No inferior a 3.11.
- Licencias de los conjuntos de datos. La plataforma distingue CC, GPL, ODB y «otras» — al publicar datos ajenos habrá que indicar la licencia de forma explícita.
- Reglas de las competiciones. Las fija el organizador por separado para cada concurso; en las páginas disponibles no hay un documento general.
A quién le conviene
Conviene a los especialistas en datos y aprendizaje automático dispuestos a mostrar resultados con trabajo y no con texto: aquí un conjunto de datos, un cuaderno o un modelo pesan más que una publicación. Conviene para objetivos profesionales: los rangos son públicos, y parte de las competiciones están asignadas directamente a la categoría de contratación. Conviene a las empresas que quieren atraer atención hacia un problema: una competición con premio es un formato comprensible, y al anfitrión se le da un conjunto separado de comandos.
No conviene para el marketing de contenidos en el sentido habitual: aquí no hay un flujo de publicaciones. No conviene para automatizar con herramientas externas: el sitio está cerrado tras una comprobación del navegador. No conviene a los autores que buscan ingresos regulares: no paga la plataforma, sino el organizador de cada competición concreta.
Datos verificados de la base
Los datos comprobados en los que se apoya el análisis.
Qué es esta plataforma
la plataforma se describe así: «Discover what actually works in AI. Join millions of builders, researchers, and labs evaluating agents, models, and frontier technology through crowdsourced benchmarks, competitions, and hackathons.»
autodescripción: es una declaración de la plataforma sobre sí misma, no una evaluación independiente
fuente, comprobado 2026-07-28
la plataforma se describe así: «Kaggle is an online community for data scientists, machine learning practitioners, and AI developers»
Declaración de la plataforma sobre sí misma en la descripción legible por máquinas del sitio, no una evaluación independiente
fuente, comprobado 2026-07-28
la plataforma enumera sus secciones: competiciones, conjuntos de datos, el entorno Notebooks, Models, Benchmarks, los cursos Learn
Lista de la propia plataforma
fuente, comprobado 2026-07-28
la plataforma informa de cinco escalones de progreso: de Novice a Grandmaster
Los umbrales de las medallas no se nombran en esa página; la página kaggle.com/progression nos resulta inaccesible
fuente, comprobado 2026-07-28
Las fuentes discrepan: DISCREPANCIA CON LA BASE: el registro about/self_description remite a https://www.kaggle.com/, pero en la fecha de la verificación esa dirección entrega la página de verificación reCAPTCHA y no la descripción de la plataforma
El texto de la autodescripción se confirma por llms.txt; la dirección original del registro no entrega el contenido
fuente, comprobado 2026-07-28
Por dónde empezar
para trabajar con la plataforma se necesita una cuenta de Kaggle: «First, you will need a Kaggle account. You can sign up here.» (nuestra traducción: «Primero necesitarás una cuenta de Kaggle. Puedes registrarte aquí.»); la clave de API se emite tras iniciar sesión, en la página de configuración
documentación oficial de la línea de comandos de Kaggle en el repositorio de la plataforma. Ese documento no dice nada sobre un pago por el registro, sobre la revisión de una solicitud ni sobre moderación al crear la cuenta
fuente, comprobado 2026-08-07
Qué se puede publicar
idiomas de los notebooks en el filtro: python, r, sqlite, julia; tipos: script y notebook
Tomado de los parámetros de filtro de la CLI oficial
fuente, comprobado 2026-07-28
tipos de archivo de los conjuntos de datos en el filtro: csv, sqlite, json, bigQuery
fuente, comprobado 2026-07-28
Promoción
categorías de competiciones: featured, research, recruitment, gettingStarted, masters, playground
La categoría recruitment designa competiciones organizadas con fines de contratación
fuente, comprobado 2026-07-28
ordenaciones por las que clasifica la plataforma: notebooks — hotness, commentCount, dateCreated, dateRun, relevance, score, viewCount, voteCount; conjuntos de datos — hottest, votes, updated, active; modelos — hotness, downloadCount, voteCount, notebookCount, createTime
Son parámetros de ordenación, no la fórmula de clasificación: la mecánica no la publica la plataforma
fuente, comprobado 2026-07-28
Cómo se paga aquí
la competición tiene un campo reward (premio) y la lista se puede ordenar por prize
Las cifras de los premios las fijan las reglas de cada competición; no hay un umbral único
fuente, comprobado 2026-07-28
Límites y restricciones
lista de aceleradores a febrero de 2026: NvidiaTeslaP100, TpuV38, NvidiaTeslaT4, NvidiaTeslaT4Highmem, Tpu1VmV38, NvidiaTeslaA100, NvidiaL4, TpuV5E8, NvidiaL4X1, TpuV6E8, NvidiaH100, NvidiaRtxPro6000
La documentación aclara: una parte está disponible solo para participantes de competiciones concretas y otra parte solo para administradores de Kaggle
fuente, comprobado 2026-07-28
entrega de los archivos de resultado de un notebook: por defecto 20 archivos por página, máximo 200
fuente, comprobado 2026-07-28
el tiempo máximo de ejecución de un notebook se define con el parámetro --timeout en segundos
La documentación no nombra el valor por defecto ni el límite superior
fuente, comprobado 2026-07-28
Restricciones
la página principal entrega una verificación de navegador: título «Checking your browser - reCAPTCHA»
Medición NUESTRA en la fecha de la verificación. No eludimos la protección antirrobots (términos de referencia 22 §0)
fuente, comprobado 2026-07-28
Aspectos legales
licencias de los conjuntos de datos en el filtro: cc, gpl, odb, other
fuente, comprobado 2026-07-28
Acceso por API
la herramienta oficial es Kaggle CLI, se instala con el comando pip install kaggle
Repositorio oficial de Kaggle en GitHub
fuente, comprobado 2026-07-28
mediante la CLI están disponibles: la lista de competiciones, la descarga de sus datos y el envío de soluciones; la creación, actualización, descarga y eliminación de conjuntos de datos, modelos y variantes; la gestión y ejecución de notebooks; la lectura de los foros
La lista de posibilidades la da la propia documentación
fuente, comprobado 2026-07-28
para el funcionamiento de la CLI se requiere Python 3.11 o más reciente
fuente, comprobado 2026-07-28
cuatro métodos de autorización: kaggle auth login, la variable KAGGLE_API_TOKEN, el archivo ~/.kaggle/access_token y el obsoleto ~/.kaggle/kaggle.json
fuente, comprobado 2026-07-28
la biblioteca kagglehub da acceso desde el código a conjuntos de datos, modelos y resultados de notebooks; dentro de un notebook de Kaggle la autorización ya está hecha
Repositorio oficial de Kaggle
fuente, comprobado 2026-07-28
Idiomas
idioma de la interfaz de la página principal: en
El idioma se tomó del atributo del marcado; las versiones, de los hreflang
fuente, comprobado 2026-07-28
Sección del catálogo: todos los similares Véase también: índice del catálogo · región: EE. UU. y Canadá · comparativa de planificadores · selección por situación · restricciones de las plataformas