​        首先从个人来看，kaggle能学到的东西确实是书本上学不到的，大牛不仅多，而且乐于分享，打开每个public code，大牛们的代码都让我这种小白叹为观止。个人在年初参加了两门竞赛，没有队友，主要因为那时有一些假期，总结下，说点自己的感觉:

参加的竞赛

1. godaddy-microbusiness destiny forecasting，forecast next month's microbusiness destiny
​成绩：公榜45/3547 私榜45/3547 分数3.9230 冠军分数3.7877 奖牌门槛4.1288 银牌
​        能拿牌主要是仰仗大佬分享的代码😂
​        这种规整的表格数据更适合我这种小白，因此参赛的队伍也很多，而且时间序列在工作中还有一点需要，也花了更多时间在学习

​2. learning equality-curriculum recommendation，enhance learning by matching k-12 content to target topics
​成绩：公榜165/1057 私榜169/1057 分数0.50166 冠军分数0.76450 奖牌门槛0.55186
​一个nlp的比赛，虽然有大佬们的分享，但硬实力差距过大，无法弥补（也对，小白随便拿牌，这竞赛也没啥含金量~），比赛结束前一个月左右会有大量高玩进场屠榜，小白就重在参与啦

​一点经验

1. kaggle是否适合小白：为了提高水平永远适合，想拿奖牌需要花时间，如果你很幸运有队友就更好了（不包括混的和摆烂的）
​2. 参赛时机：建议小白可以不在比赛一开始就参加，比赛开始一个月左右讨论区和代码分享区会有大量内容可以学习，前期的提交也几乎都会被后来的提交轻松比掉
​3. 时间花费：想认真做的话，确实需要蛮多时间，如果同事打多个比赛的话要注意下安排
4. 适合人群：最适合算法专业的秀肌肉，其次是在校的科研团队人员，开发的同学参加还是要放好心态，学习为主
5. 以后还会参加吗：可能会，要看工作的进度安排啦（毕竟不是靠ML的技术吃饭的😂）