Kaggle 上的競爭非常激烈（有些比賽有數千名參賽者，並提供數百萬美元的獎金），而且涵蓋了各種型別的機器學習問題，所以它提供了一種現實方法來評判哪種方法有效、哪種方法無效。那麼哪種演算法能夠可靠地贏得競賽呢？頂級參賽者都使用哪些工具？
        在 2016 年和 2017 年，Kaggle 上主要有兩大方法：梯度提升機和深度學習。具體而言，梯度提升機用於處理結構化資料的問題，而深度學習則用於影象分類等感知問題。使用前一種方法的人幾乎都使用優秀的XGBoost 庫，它同時支援資料科學最流行的兩種語言：Python 和 R。使用深度學習的 Kaggle 參賽者則大多使用 Keras 庫，因為它易於使用，非常靈活並且支援Python。
        要想在如今的應用機器學習中取得成功，你應該熟悉這兩種技術：梯度提升機，用於淺層學習問題；深度學習，用於感知問題。用術語來說，你需要熟悉 XGBoost 和 Keras，它們是目前主宰 Kaggle 競賽的兩個庫。