Kaggle ile Veri Bilimi Öğrenmek 2026: Sıfırdan Master Türkçe Derin Rehber

Özet (TL;DR)

Tek cümlelik cevap: Kaggle 18M+ kullanıcılı dünya veri bilimi merkezi — Türk başlayanlar için 6-12 ayda Expert tier mümkün, iş bulmaya kanıtlı katkı.

• Kaggle, Google bünyesinde 2017'den beri faaliyet gösteren, 18M+ kayıtlı kullanıcılı dünyanın en büyük veri bilimi + ML topluluk platformu. Yarışma + notebook + dataset + topluluk + öğrenme tek çatı altında.
• 5 ilerleme tier: Novice (kayıt sonrası), Contributor (1 sub/comment/upvote), Expert (1+ bronze), Master (1+ gold ya da 2+ silver), Grandmaster (5+ gold + 1 solo gold). Her tier 4 farklı kategori için: Competitions, Notebooks, Datasets, Discussion.
• Kaggle Learn (kaggle.com/learn): 20+ ÜCRETSIZ Python/ML/DL/SQL/AI kursu. 2-4 saatlik mini kurslar. Yeni başlayan için altın kapı.
• İlk yarışma → ilk medal: 6-12 ay disiplinli çalışmayla mümkün. Stratejik yol: ilk 3 ay Kaggle Learn + Titanic gibi entry yarışmalar, sonra 3-6 ay tabular yarışma + ensemble teknikler, 6-12 ay specialized (CV/NLP) yarışma + takım.
• Tabular yarışmalar (XGBoost, LightGBM, CatBoost ensemble) en hızlı medal yolu. CV/NLP yarışmaları daha çok GPU + uzmanlık ister. Code competitions (notebook submit) farklı tier — yarışma + kod skill birleştirir.
• Türkçe Kaggle ustaları: Onur Tasar (Master), Hakan Tekgül (Master), Necip Fazıl Atay, Erhan Sarıbal — Türk topluluğu Discord + meetup ile aktif.
• İş bulmak için Kaggle profili: 5+ Notebooks yayını + Expert+ tier + Türkçe NLP gibi specialized alan + GitHub'a notebook'ları aktar. CV'de 'Kaggle Expert/Master' belirgin değer (Trendyol, Getir, BiTaksi gibi unicornlar için).

Kaggle, 2010'da Anthony Goldbloom tarafından kurulan, 2017'de Google tarafından satın alınan dünyanın en büyük veri bilimi + makine öğrenmesi topluluğu platformudur.

1.1 Platformun Beş Ana Bileşeni

Kaggle 5 Ana Bileşen

Bileşen	İşlev	Tier Sistemi Var Mı
Competitions	Yarışmalar — şirketlerin gerçek ML problemleri	EVET
Notebooks	Kod paylaşımı — Jupyter notebook formatı	EVET
Datasets	Veri seti yükleme/indirme	EVET
Discussions	Forum — soru-cevap, tartışma	EVET
Kaggle Learn	Ücretsiz mini kurslar — Python, ML, DL, AI	Sertifika (tier değil)
Models (yeni 2023)	Pre-trained model paylaşımı (Hugging Face benzeri)	Yok
Kaggle Studios (yeni 2025)	AI Agent + RAG araçları	Yok

1.2 Neden Kaggle?

<howto-steps data-name="Kaggle ilk gün setup" data-steps='[{"name":"Kayıt","text":"kaggle.com -> Register. Email + şifre veya Google hesabı ile. Türkiye otomatik destekleniyor."},{"name":"Profil","text":"Avatar yükle, isim/soyisim gerçek olsun (iş arama için), bio'yu kısa yaz, GitHub + LinkedIn linkle"},{"name":"Phone verify","text":"Telefon doğrulama YAPILMASI ZORUNLU. Yapmazsan: GPU/TPU kullanamazsın, yarışmalara submit edemezsin, dataset upload edemezsin"},{"name":"İlk kursa başla","text":"kaggle.com/learn -> Intro to Programming kursu (Python sıfırdan). 2 saat."},{"name":"Discord katıl","text":"Kaggle resmi Discord + Türk Kaggle topluluk Discord (aktif)"},{"name":"İlk Notebook fork","text":"Bir popüler notebook fork et, üzerinde değişiklik yap, Save Version (private OK)"},{"name":"Titanic","text":"kaggle.com/c/titanic -> Always-open intro yarışma. Sample submission ile başla, ilk leaderboard yerini al."}]'>

2.1 Phone Verification Kritik

Tanım

Kaggle Tier Sistemi

Kaggle'ın 4 ayrı kategoride (Competitions, Notebooks, Datasets, Discussion) kullanıcıların ilerlemesini gösteren 5 seviyeli sıralama: Novice, Contributor, Expert, Master, Grandmaster. Her tier farklı medal (Bronze, Silver, Gold) gereksinimi ister. Her kategori bağımsız hesaplanır — Competitions Master + Notebooks Expert mümkün.

3.1 Novice (Yeni Başlayan)

Hesap açan herkes. Hiçbir gereksinim yok. Geç:

• Profil oluştur (avatar, bio)
• Tek bir yarışmaya, notebook'a ya da dataset'e join et

3.2 Contributor (Katkıda Bulunan)

Contributor Gereksinimleri

Adım	Detay
Profil	Bio yaz, lokasyon ekle, avatar yükle
Phone verify	Zorunlu (yukarıdaki gibi)
SMS verify	Phone verify ile aynı süreç
1+ Competition submission	Titanic gibi açık yarışmaya 1 submit
1+ Notebook publish	Public bir notebook yayınla (basit olabilir)
1+ Comment	Bir notebook ya da discussion'a yorum
1+ Upvote	Başka bir notebook'a upvote ver

Süre: 1-2 hafta. Çok kolay tier.

3.3 Expert

Burası ilk anlamlı sıralama. Her kategori için ayrı:

Expert Tier Gereksinimleri (Kategoriye Göre)

Kategori	Gereksinim
Competitions Expert	1+ Bronze medal yarışmadan (top %25-%40 — yarışma boyutuna göre değişir)
Notebooks Expert	1+ Bronze medal notebook (5+ upvote)
Datasets Expert	1+ Bronze medal dataset (5+ upvote)
Discussion Expert	1+ Bronze discussion (50+ upvote)

Süre: Disiplinli çalışmayla 3-6 ay. İlk gerçek hedef.

Strateji ilk Bronze:

• Tabular yarışma seç (CV/NLP zor başlangıç)
• 100-200 kişilik küçük yarışmada top %25
• VEYA ücretsiz featured yarışma (binlerce katılımcı) ile %10

3.4 Master

Master Tier Gereksinimleri

Kategori	Gereksinim
Competitions Master	1+ Gold ya da 2+ Silver medal yarışmadan + 1 solo Silver
Notebooks Master	1+ Gold (50+ upvote) ya da 5+ Silver notebook
Datasets Master	1+ Gold ya da 5+ Silver
Discussion Master	1+ Gold (200+ upvote) ya da 50+ Silver

Süre: 1-3 yıl, ciddi yatırım.

3.5 Grandmaster

En üst tier — dünya çapında 200-300 kişi.

Grandmaster Gereksinimleri

Kategori	Gereksinim
Competitions Grandmaster	5+ Gold medal + 1 SOLO Gold (takım değil tek başına)
Notebooks Grandmaster	15+ Gold notebook
Datasets Grandmaster	5+ Gold dataset + 1 solo Gold
Discussion Grandmaster	50+ Gold discussion

Süre: 3-10 yıl, hayatınızı Kaggle'a adamış kişiler.

3.6 Medal Kazanma Eşikleri

Yarışma Medal Eşikleri (Katılımcı Sayısına Göre)

Yarışma Tipi	Bronze	Silver	Gold
0-99 takım	Top %40	Top %20	Top 10%
100-249 takım	Top %20	Top %10	Top 10 yer
250-999 takım	Top %10	Top %5	Top 10 yer
1000+ takım	Top %10	Top %5	Top %1 + 10 yer

4.1 Tüm Kaggle Learn Kursları (2026)

Kaggle Learn Kurs Listesi

Kurs	Süre	Konu	Önerilen Seviye
Intro to Programming	2 saat	Python sıfırdan	Başlangıç
Python	5 saat	Python ileri	Başlangıç+
Pandas	4 saat	Veri manipülasyon	Başlangıç
Intro to Machine Learning	3 saat	Decision tree, random forest	Yeni başlayan ML
Intermediate Machine Learning	4 saat	XGBoost, feature engineering	ML orta
Data Visualization	4 saat	Matplotlib, Seaborn	Başlangıç
Feature Engineering	5 saat	Encoding, scaling, interactions	ML orta
Intro to SQL	3 saat	SELECT, WHERE, GROUP BY	Veri başlangıç
Advanced SQL	4 saat	JOIN, window functions	SQL orta
Intro to Deep Learning	4 saat	TensorFlow temel	ML orta+
Computer Vision	4 saat	CNN temel	DL başlangıç
Time Series	5 saat	Trend, seasonality, ARIMA	ML orta
Intro to AI Ethics	4 saat	Bias, fairness, explainability	Genel
Machine Learning Explainability	4 saat	Permutation importance, SHAP	ML orta
Intro to Game AI and Reinforcement Learning	4 saat	Q-learning temel	ML ileri
Geospatial Analysis	4 saat	GeoPandas, Folium	Specialized
Intro to NLP (yeni)	3 saat	BERT, Hugging Face temel	DL orta
Generative AI (2024 yeni)	5 saat	LLM, prompt engineering	Modern AI
AI for Code (2025 yeni)	4 saat	LangChain, AI agents	Modern AI
Data Cleaning	4 saat	Missing values, duplicates	Veri temel

4.2 Önerilen Kurs Sırası (Sıfırdan 6 Ay)

6 Aylık Kaggle Learn Müfredatı

Ay	Kurslar	Toplam Süre
Ay 1	Intro to Programming + Python + Pandas	11 saat
Ay 2	Data Visualization + Intro to ML + Intermediate ML	11 saat
Ay 3	Feature Engineering + Intro to SQL + Advanced SQL	12 saat
Ay 4	Intro to Deep Learning + Computer Vision	8 saat
Ay 5	Time Series + ML Explainability + Data Cleaning	13 saat
Ay 6	Intro to NLP + Generative AI + AI for Code	12 saat

Toplam: ~67 saat × 6 ay = haftada 3 saat çalışma yeterli. Aralarda yarışma submit etmek + notebook pratiği yapılırsa 12 ay sonra Expert tier hazır.

5.1 Yarışma Kategorileri

Kaggle Yarışma Kategorileri

Kategori	Açıklama	Zorluk	Tipik Süre
Featured	Şirket sponsorlu, ödüllü, leaderboard	Yüksek	2-3 ay
Research	Akademik, paper yazımı odaklı	Yüksek	3-6 ay
Recruitment	Şirket işe alım için (örn DeepMind, OpenAI)	Çok yüksek	1-2 ay
Getting Started	Eğitim amaçlı (Titanic, House Prices, Spaceship Titanic)	Kolay	Sınırsız (always open)
Playground	Pratik amaçlı, küçük ödül	Orta	1 ay
Community	Topluluk üretimi, ödülsüz	Değişken	Sınırsız
Tabular Playground Series	Aylık tabular yarışmalar (yeni 2021-)	Kolay-Orta	1 ay
Simulation	Game AI, multi-agent	Yüksek	1-3 ay
Code Competitions	Notebook submit (kod + model çalışır leaderboard'da)	Orta-Yüksek	1-3 ay

5.2 Verilen Veri Tipi

Veri Tipi → Strateji

Veri Tipi	Tipik Algoritma	Donanım
Tabular (CSV, sayısal/kategorik)	XGBoost, LightGBM, CatBoost, neural net	CPU yeter
Image (CV)	CNN (ResNet, EfficientNet, ViT), pretrained	GPU şart
Text (NLP)	BERT, RoBERTa, GPT, transformer fine-tune	GPU şart
Time series	LSTM, Transformer, classical ARIMA, gradient boosting	CPU/GPU
Audio	Mel-spectrogram + CNN, wav2vec, Whisper	GPU
Video	3D CNN, R(2+1)D, VideoMAE	Çoklu GPU
Graph	GNN (Graph Neural Network), PyG	GPU
Multi-modal	CLIP, BLIP, ensemble	Çoklu GPU
Tabular + image	Hybrid model, late fusion	GPU

5.3 Yarışma Süresi Boyunca Tipik Akış

Nasıl Yapılır

Tipik Kaggle Yarışma Akışı

1. 1

   Hafta 1: Problem anlama

   Veriyi indir, EDA (Exploratory Data Analysis) yap, public notebook'lardan başlangıç yaklaşımları oku

2. 2

   Hafta 2: Baseline

   Basit XGBoost ya da NN baseline kur. İlk submission. Public leaderboard yerin görülür.

3. 3

   Hafta 3-4: Feature engineering

   Feature engineering en büyük getiri sağlar. Domain bilgisi + creativity. Top public notebook'ları oku.

4. 4

   Hafta 5-6: Model çeşitlendirme

   Birden çok model tipi: XGBoost + LightGBM + CatBoost + NN. Cross-validation kur.

5. 5

   Hafta 7-8: Ensemble + Stacking

   Model averaging, weighted blending, meta-learner stacking. Skor artışı %5-10.

6. 6

   Hafta 9-10: Hyperparameter tuning

   Optuna ile bayesian optimization. Top modellerini iyileştir.

7. 7

   Son hafta: Final submission

   En iyi 2 modeli final submission seç (skor bazlı + CV-LB consistency). Hyperparameter aşırı tune etme — overfit risk.

8. 8

   Sonuç sonrası

   Private leaderboard açılır. Skor düşmesi normal (shake-up). Top çözümleri oku — sonraki yarışma için ders.

6.1 Tabular Standart Stack

Tabular Yarışma Standart Stack

Bileşen	Tool
Veri analizi	pandas, numpy, polars (hızlı)
Visualization	matplotlib, seaborn, plotly
Feature engineering	pandas + custom + featuretools
Cross-validation	scikit-learn StratifiedKFold / GroupKFold
Ana model	XGBoost, LightGBM, CatBoost (3 stack)
Neural net (opsiyonel)	PyTorch tabular (TabNet, FT-Transformer)
Hyperparameter	Optuna (en yaygın)
Ensemble	Weighted average, stacking with linear meta
Notebook	Kaggle Notebooks (GPU gerekmez)

6.2 Tabular Yarışma Feature Engineering İpuçları

Tabular Feature Engineering Teknikleri

Teknik	Açıklama	Etki
Target encoding	Kategorik feature'ı target ortalaması ile değiştir	Yüksek (CV ile)
Frequency encoding	Kategori sıklığı feature	Orta
Aggregation features	Groupby mean/median/std	Yüksek
Lag features (time series)	t-1, t-7, t-30 değerleri	Yüksek (TS)
Rolling statistics	Hareketli ortalama, std	Yüksek (TS)
Interactions	A × B, A / B kombinasyonlar	Orta
Polynomial features	A², A×B, A×C kombinasyonları	Düşük-Orta (over)
Binning	Sürekli değişkeni bin'lere böl	Orta
Outlier features	IQR, z-score outlier flag	Orta
Datetime explode	year, month, day, hour, weekday, is_weekend	Yüksek

7.1 CV Yarışma Karakteristik

7.2 CV Yarışma Stack

CV Yarışma Stack

Bileşen	Tool
Framework	PyTorch (en yaygın), timm (pretrained model hub)
Augmentation	albumentations, kornia
Mixed precision	torch.amp (FP16 training)
Pretrained models	timm (300+ model), Hugging Face transformers (ViT)
Loss functions	CrossEntropy, FocalLoss, ArcFace (face), Triplet (similarity)
Schedulers	CosineAnnealingLR, OneCycleLR
TTA (Test Time Augmentation)	Horizontal flip, multi-scale
Ensemble	Multiple folds + multiple models + TTA

7.3 Popüler CV Yarışmaları Tarihi

Tarihi CV Yarışmaları

Yarışma	Yıl	Kazanan Yaklaşım
ImageNet (akademik, yarışma değil)	2012	AlexNet → DL devrimi başlattı
Dogs vs Cats	2013	CNN ile %99 accuracy
Plant Seedlings	2017	ResNet ensemble
Diabetic Retinopathy	2018	EfficientNet pretrained
Bengali.AI Handwritten	2020	ResNeXt + Mish activation
Cassava Leaf Disease	2021	EfficientNet B5/B6 ensemble
Sartorius Cell	2022	Mask R-CNN + Detectron
RSNA Cervical Spine	2022	3D EfficientNet
Vesuvius Challenge	2023-2024	Vision Transformer + segmentation

8.1 NLP Yarışma Karakteristik

NLP yarışmalar 2018 BERT lansmanından sonra tamamen değişti. 2024-2026'da LLM era yeni dinamik getirdi.

NLP Yarışma Stack 2026

Bileşen	Tool
Framework	Hugging Face transformers + PyTorch
Pretrained model	DeBERTa, RoBERTa, BERT-Large, multilingual XLM-R
LLM	Llama 3, Mistral, Gemma (öğretici amaçlı self-host)
Tokenization	Hugging Face tokenizers
Augmentation	Back-translation, EDA (Easy Data Augmentation)
Loss	CrossEntropy, BCEWithLogits (multi-label)
Ensemble	Multi-model + multi-seed + TTA

8.2 Türkçe NLP — Niş Avantaj

Tanım

Code Competition

2018'den sonra yaygınlaşan Kaggle yarışma formatı. Geleneksel 'submission CSV upload' yerine, Notebook'un kendisi submit edilir ve Kaggle sunucularında private test verisinde çalıştırılır. Süre limiti (genelde 6-9 saat) ve internet erişim YASAK (offline kütüphaneler önceden yüklenmeli). Production-ready kod yazma becerisini test eder.

9.1 Code Competition Pratiği

Code Competition Stratejileri

Strateji	Detay
Offline kütüphaneler	pip install wheel dosyaları + Kaggle Dataset olarak yükle
Model boyutu	Limit altı kalmalı (GPU bellek, çalışma süresi)
Inference hızı	Batch processing, GPU optimization, ONNX kullanımı
Reproducibility	Seed sabit, deterministik mode
Test submission	Önce sample testle çalışma süresi ölç
Fallback	Bir model OOM ise daha küçük fallback'e geç

10.1 İyi Bir Notebook Anatomisi

Yüksek Upvote Notebook Bölümleri

Bölüm	Detay
1. Başlık + thumbnail	Eye-catching, soru-tarzı: 'How I scored top 5% with...'
2. Introduction	Veri seti, problem, hedef özeti
3. İçindekiler	Markdown TOC, navigation kolay
4. Setup	Import + config + load data
5. EDA	Visualizations bol, insights yazılı
6. Feature engineering	Adım adım, sebep açıklamalı
7. Model	Pipeline, training loop, evaluation
8. Sonuçlar	Metrics, visualizations, interpretation
9. Konklüzyon	Lessons learned, next steps
10. Referanslar	İlham aldığın notebooks credit

Discussion forumları çok değerli:

• Yarışma boyunca yeni teknikler paylaşılır
• Public/private leaderboard analizi
• Bug raporları, organizatör cevapları
• Networking

11.1 Discussion Tier Yolu

Quality discussion = high-upvote yorum. 200+ upvote alan tek bir comment Gold getirir. Strateji:

• Yarışma başında detaylı EDA paylaşımı
• Yeni paper özetleri
• Top public notebook'lara constructive eleştiri
• Veri seti hata raporları

12.1 Takım Dinamiği

3-5 Kişi Takım Rol Dağılımı

Rol	Sorumluluk
Team Captain	Strateji, roadmap, son submission seçimi
EDA Lead	Veri analizi, feature insights
Model Lead	Çok sayıda model deneme, fine-tune
Ensemble Lead	Stacking, blending, final ensemble
Infrastructure	GPU/TPU yönetimi, pipeline kurulum

Türk Kaggle topluluğu küçük ama aktif:

Tanınmış Türk Kaggle'cılar

İsim	Tier	Uzmanlık
Onur Tasar	Competitions Master	Genel ML, ensemble
Hakan Tekgül	Master	Computer Vision
Necip Fazıl Atay	Expert	NLP, Türkçe specialized
Erhan Sarıbal	Master	Tabular, feature engineering
Burhan Yıldız	Notebooks Expert	Türkçe tutorials

13.1 Türk Kaggle Topluluğu

• Discord: "Kaggle Türkiye" sunucusu (~500 üye, aktif)
• Telegram: Türk Data Science grupları
• Meetup: Kaggle Days İstanbul (yılda 1, sonbahar)
• LinkedIn: "Kaggle Türkiye" LinkedIn grupları

14.1 Kaggle CV Tek-Satır Örneği

CV'de iyi format:

"Kaggle Competitions Expert (Top 0.2% globally), 3× Silver medals in tabular ML, 1× Bronze in NLP. 12 published Notebooks with 500+ upvotes total. Specialized in Turkish NLP and time series forecasting."

Bu cümle 1 satırda iş ilanı keyword screening'i için optimize.

Kaggle Notebook ücretsiz GPU/TPU stratejisi:

Kaggle GPU/TPU Ücretsiz Limitler

Kaynak	Haftalık Limit	Donanım
GPU T4 x2	30 saat	NVIDIA T4 16GB x 2
GPU P100	30 saat (eskiden)	NVIDIA P100 16GB (2026'da kaldırıldı)
TPU v3-8	20 saat	Google TPU v3, 8 core
GPU + TPU toplam	Birleşik kota değil	Ayrı kullanılabilir

15.1 GPU vs TPU

Kaggle Pro İpuçları

İpucu	Detay
1	Her yarışmada Public + Private leaderboard farkı dikkat (shake-up yaygın)
2	CV (cross-validation) skorunu LB (leaderboard) skorundan daha çok güven
3	Trust your CV — Public LB overfit'in göstergesi olabilir
4	İki final submission seç — biri 'safe' (CV güçlü), biri 'risky' (Public LB güçlü)
5	Data Leakage tespiti kritik — kazanan çözümlerde sık görülen edge case
6	Domain knowledge oku — yarışma forumunda + dış kaynakta
7	Top public notebook'ları her gün takip et — yeni teknikler ortaya çıkar
8	Submission limiti dikkatli yönet — gün başı 5, son hafta 1 olabilir
9	Notebook versiyonlama — her major değişiklikte Save Version (private)
10	Yarışma bittikten sonra top 5 çözümleri MUTLAKA oku — en büyük öğrenme

Soru: Kaggle Notebook'ta veri korunur mu?

Soru: Phone verify Türkiye numarası ile çalışır mı?

Evet. +90 ile başlayan numara. Cep telefonu önerilir (sabit hat bazen sorunlu).

Soru: Kaggle medal'leri "fake" olabilir mi?

Sahte yarışma medal'leri çıkartılır — Kaggle bunları geriye dönük kaldırıyor. Solo medal kontrolü zaman zaman yapılır. Etik dışı davranma — uzun vade kariyere zarar.

Soru: Kaggle Expert tier ABD'de iş için yeter mi?

Tier tek başına yetmez ama kapı açar. ABD remote işverenler Master+ tercih eder. Expert + güçlü portfolio (GitHub) iyi başlangıç.

Soru: Türkçe yarışma var mı?

Doğrudan Türkçe yarışma yok ama multilingual yarışmalarda Türkçe veri sık. Teknofest gibi yerli platformlarda Türkçe yarışmalar var (Kaggle dışı).

Soru: Kaggle Datasets ile nasıl tier alınır?

Quality dataset upload (büyük + temiz + iyi dokümante) → upvote alır. Tarafsız konular (örn İstanbul gayrimenkul fiyatları, Türk hava durumu) yerel datasets iyi seçim.

Soru: GPU saatim bitti — ne yapayım?

Haftalık reset bekle (Pazar gece reset). Veya Google Colab ($10/ay Pro) + Kaggle hibrit. Tahmine dayalı: GPU pahalı işlemleri Pazartesi gibi haftanın başında yapmak iyi.

Soru: Submission limit gün başı 5 — yetmiyor?

Hyperparameter tuning'i submit yerine local CV ile yap. Final submission için CV güçlü olanı seç. Eski yarışmalarda her gün 5 limiti dolduran çoğu kişi public LB overfit yapıyor.

Soru: Kaggle vs Real Project — hangisi iş için?

Hibrit en güçlü: Kaggle medal (yapı + algoritma) + Real project (uçtan uca + production). Sadece Kaggle olan profil "araştırmacı" görünür, sadece real project olan "demolu mühendis" görünür. İkisi birlikte komple.

Soru: AI dönüşümüyle Kaggle değer kaybeder mi?

Hayır — Kaggle 2024-2026'da LLM Playground, Generative AI yarışmaları ekledi. Klasik tabular yarışmalar AI ile entegre (LangChain ile tabular query, vs.). Kaggle adapt ediyor.

3 ana çıkarım:

1. Kaggle veri bilimi öğrenmek için dünya çapında en olgun platform. Ücretsiz GPU + topluluk + gerçek veri.
2. 6-12 ay disiplinli çalışmayla Expert tier mümkün. İş arama için "Kaggle Expert" rozeti somut sinyal.
3. Notebooks tier yarışmaya alternatif yol — yazım/dokümantasyon güçlü kişiler için.

İlk 30 günlük plan:

Gün 1-7:

• Kaggle hesap + phone verify
• Profil oluştur (avatar, bio, GitHub link)
• Kaggle Learn Intro to Programming + Python kursları
• Discord Kaggle Türkiye katıl

Gün 8-14:

• Kaggle Learn Pandas + Intro to ML
• Titanic yarışmasına ilk submission
• 1 public notebook fork et + değiştir + save

Gün 15-21:

• Kaggle Learn Intermediate ML + Feature Engineering
• Titanic'te top %50 hedef
• 1 EDA notebook public yayınla

Gün 22-30:

• House Prices yarışması katıl
• XGBoost + LightGBM dene
• 1 yorum + 5 upvote (Contributor tier hedef)

12 ay sonra hedef: Competitions Expert + 5 quality public notebook + Discord aktif + LinkedIn'de Kaggle vurgulu profil.

Kaynaklar

1. Kaggle Resmi — Kaggle, Google · 2026
2. Kaggle Learn — Kaggle, Google · 2026
3. Kaggle Progression System — Kaggle, Google · 2026
4. Kaggle Competitions — Kaggle, Google · 2026
5. timm — PyTorch Image Models — Ross Wightman, Hugging Face · 2026
6. Albumentations — Albumentations, Open Source · 2026
7. Optuna — Optuna, Preferred Networks · 2026
8. Kaggle Türkiye Discord — Kaggle Türkiye Topluluk, Community · 2026