Kaggleは転職に有利？Expert・Masterの年収事例と称号の取得条件・評価のされ方
Kaggleの実績は転職でどう評価されるのか。Kaggle公式 Progression System で確認した Expert・Master・Grandmaster の取得条件とメダル基準、Kaggleを職種名や応募条件に掲げる公開求人の表示年収（出典・確認日つき）、職務経歴書・面接での示し方を解説します。
要点のまとめ
はじめに要点を整理します。Kaggleの実績は、順位や称号そのものではなく、実データを扱い、判断の理由を説明できる状態にあることの証明として評価される場面が多くなります。そのため、称号の獲得だけを目的にするよりも、取り組みの過程を説明できる形で残すほうが、選考で活用しやすくなります。
Kaggleの称号（Expert・Master・Grandmaster）は、Competitions・Code（Notebooks）・Datasets の3つの区分ごとに、メダルの累計で付与されます。たとえば Competitions では、Expert が銅メダル2個、Master が金1個＋銀2個、Grandmaster が金5個（うち1個はソロ）です（Kaggle公式 Progression System・2026年10月19日確認）。同じ「Expert」でも区分によって示す内容が違うため、書類には区分まで書くほうが誤解が生まれにくくなります。
「Kaggle Expertの年収」「Kaggle Masterの年収」に当たる統計は、当サイトの調査では見つかりませんでした。2026年10月19日に確認した、Kaggleを職種名や応募条件に掲げる公開求人の表示年収はおおむね500万〜1,200万円の範囲で、称号の段階で年収を分けている求人はありませんでした。年収は職務内容・実務経験・企業の給与テーブルで決まるため、称号を年収の根拠として示すことは避けてください。
Kaggleの称号の条件（公式 Progression System）
Kaggleの称号（Tier）は、Competitions・Code（Notebooks）・Datasets の3つの区分ごとに、メダルの累計で付与されます。プロフィールに表示される全体の称号は、3区分のうち最も高いものです。現在の公式ページでは、Discussion は称号の区分として案内されていません。
登録直後は Novice、ノートブックの実行・コンペへの提出・投票を1回ずつ行うと Contributor になり、その上が下表の Expert・Master・Grandmaster です。Competitions の Grandmaster は、条件をもう一度満たすごとに段階が上がる仕組みです。
| 区分 | Expert | Master | Grandmaster |
|---|---|---|---|
| Competitions | 銅メダル2個 | 金1個＋銀2個 | 金5個（うち1個はソロ） |
| Code（Notebooks） | 銅メダル5個 | 銀メダル10個 | 金メダル15個 |
| Datasets | 銅メダル3個 | 金1個＋銀4個 | 金5個＋銀5個 |
出典：Kaggle公式 Progression System（kaggle.com/progression）および同ページが表示する称号の条件、2026年10月19日確認。条件は運営側の変更で変わることがあります。
Competitionsのメダル基準（参加チーム数別）
Competitions のメダルは、参加チーム数に応じた順位の基準で付与されます。称号の条件を読むときは、この基準とあわせて確認すると難易度の見当がつきます。
•「上位10位＋0.2%」は、参加チームが500増えるごとに金メダルが1枠追加される意味です。500チームなら上位11チーム、5,000チームなら上位20チームが金メダルです
•割合の計算は切り捨てで、9チームのコンペでは金メダルは出ません
•Getting Started・Playground・Community のコンペは、通常メダルとポイントの対象外です
•Code と Datasets のメダルは、Expert以上のユーザーからの投票数で決まります（Code：銅5票・銀20票・金50票、Datasets：銅5票・銀10票・金25票）。自分の投票は数えられず、不正対策のため実際に必要な票数は表示より多くなることがあると公式に記載されています
具体例として、三菱電機は2026年5月22日、同社の技術者が金1個・銀2個で Kaggle Competitions Master に認定されたと発表しています。金メダルは1,727チーム中10位、銀メダルは1,424チーム中63位と1,867人中44位の結果です（同社ニュースリリース）。
| メダル | 0〜99チーム | 100〜249チーム | 250〜999チーム | 1,000チーム以上 |
|---|---|---|---|---|
| 銅 | 上位40% | 上位40% | 上位100位 | 上位10% |
| 銀 | 上位20% | 上位20% | 上位50位 | 上位5% |
| 金 | 上位10% | 上位10位 | 上位10位＋0.2% | 上位10位＋0.2% |
出典：Kaggle公式 Progression System（kaggle.com/progression/competitions・/code・/datasets）、三菱電機ニュースリリース（2026年5月22日）。2026年10月19日確認。
Kaggle Expert・Masterの年収：公開求人の表示額
「Kaggle Expertの年収」「Kaggle Masterの年収」に当たる公的な統計や、称号ごとの年収調査は、当サイトの調査では見つかりませんでした。代わりに、Kaggleを職種名や応募条件に掲げる公開求人の表示年収を、2026年10月19日に確認できた範囲で掲載します。
【表から読み取れること】
•確認した求人のなかに、Expert・Masterの段階で年収を分けているものはありませんでした
•Ristの2件はKaggleチームを持つ企業の求人ですが、GrandmasterまたはMasterの称号は必須要件ではないと明記しています。称号は応募の条件というより、選考で参照される材料の一つとして扱われています
•同じ企業でも、リーダークラスとポテンシャル採用で表示年収が分かれています。年収の幅を決めているのは、称号よりも担当範囲と実務経験です
職務内容別の年収の考え方は、当サイトのデータサイエンティスト（/job/data-scientist/）とMLエンジニア（/job/ml-engineer/）の職種ページで扱っています。
| 企業・求人（掲載先） | 表示年収 | Kaggleの扱い |
|---|---|---|
| AlpacaTech株式会社「Kaggleエンジニア」（Green） | 500万〜1,200万円 | 職種名にKaggleを掲げた求人 |
| 株式会社Rist「データサイエンティスト（リーダークラス）」（ビズリーチ・最終更新2026年8月6日） | 900万〜1,200万円 | GrandmasterまたはMasterの称号は必須要件ではないと明記 |
| 株式会社Rist「データサイエンティスト（ポテンシャル採用）」（ビズリーチ・最終更新2026年6月24日） | 800万〜900万円 | 同上。福利厚生に「Kaggle報奨金制度」 |
| 株式会社Solafune「SAR解析エンジニア」（HERP） | 800万〜1,200万円 | 歓迎スキルに「Kaggleなどのデータサイエンス競技会に参加した経験」 |
| 株式会社Solafune「Geospatial Data Scientist」（HERP） | 〜800万円（勤務地により変動） | 歓迎条件にKaggleなどのコンペ参加経験と結果 |
出典：各社の求人ページ（Green・ビズリーチ・HERP）、2026年10月19日確認。求人は掲載終了・条件変更の可能性があります。表示年収は想定額で、提示額を保証するものではありません。
称号と順位の評価のされ方
採用側がKaggleの記載を見るときに確認しているのは、おおむね次の3点です。書類に書く内容も、この3点に答える形で組み立てると読みやすくなります。
【観点1：扱った実データの量と種類】
扱ったデータの種類（表形式・自然言語・画像・音声など）は、志望する職種との距離を測る材料になります。当サイトのコンペ種類別ガイドで整理している通り、志望領域に近い区分を選ぶほうが、面接での話がつながりやすくなります。
【観点2：判断の質】
順位そのものより、なぜその手法を選び、何を試して何を採用しなかったかが評価されます。上位に入ったコンペでも、経緯を説明できないと評価につながりにくくなります。反対に、順位が振るわなかったコンペでも、検証設計や失敗の分析を説明できれば評価材料になります。
【観点3：継続性と協働】
単発の参加か、継続して取り組んでいるか、チームで参加した場合は担当範囲がどこだったかが確認されます。Code（Notebooks）や Datasets の区分での活動は、説明力や共有の姿勢を示す材料として評価されることがあります。
【称号を書くときの注意点】
•区分を明記する（どの区分の称号かを書かないと、内容が伝わりません）
•チーム参加の場合は担当範囲を添える
•称号の取得基準は運営側の仕様変更で変わり得るため、取得時期を添えておくと誤解が減ります
•称号を年収や職位の根拠として提示しない（あくまでスキルの一側面を示す材料として扱います）
ポートフォリオとしての示し方：3つの観点に分ける
Kaggleの取り組みを選考の材料にする場合、次の3つの観点に分けて整理すると、書類と面接の両方で活用できます。
【レイヤー1：事実】
コンペ名、期間、参加形態（個人かチームか）、順位または上位何パーセントか、扱ったデータの種類を記載します。この部分は事実のみを簡潔に書き、数値を誇張しないことが前提です。
【レイヤー2：判断】
検証データの分け方、特徴量やモデルの選定理由、途中で方針を変えた箇所とその理由を記載します。この部分が最も重視され、面接での質問も集中します。
【レイヤー3：転用】
そのコンペで得た知見を、業務でどのように活かせるかを記載します。実務ではスコアのわずかな差よりも運用コストや再現性が優先される場面が多いため、その観点で説明できると評価につながりやすくなります。
【公開する場合の整え方】
•実行手順と依存関係を明記する（動作しないコードは、内容を確認してもらえないことがあります）
•試行の履歴を残す（判断の過程が読み取れる状態が、最も情報量の多い成果物になります）
•コンペ規約と、利用したデータの利用条件を確認してから公開します
当サイトのポートフォリオ対策ページ（/interview/portfolio/）の必須コンテンツと突き合わせると、抜けを見つけやすくなります。
実務とコンペの違い：説明の前提として押さえておく点
面接では「コンペと実務の違いをどう理解しているか」を確認されることがあります。以下は代表的な違いです。これを踏まえて説明できると、コンペの経験を実務につなげて示しやすくなります。
【違い1：課題設定の有無】
コンペでは課題と評価指標が与えられますが、実務では何を予測するか、どの指標で良し悪しを測るかを決めるところから始まります。指標の設計を経験していない場合は、その点を認めたうえで学ぶ姿勢を示すほうが、面接官との対話が深まります。
【違い2：データの前提】
コンペのデータは整えられた状態で配布されますが、実務では収集・結合・品質確認に時間の大半がかかります。この工程の経験は、業務やインターンの経験から補うことになります。
【違い3：評価の締切と運用の継続】
コンペは締切で終わりますが、実務ではモデルを出した後の監視と更新が続きます。障害を起こさないこと、問題発生時に元に戻せることの優先度が高くなります。当サイトのMLOpsエンジニアの職種ページ（/job/mlops-engineer/）で扱う領域です。
【違い4：計算資源とコスト】
コンペでは精度のために大きなモデルを積み上げる選択が有効でも、実務では推論コストと応答時間の制約が入ります。精度と運用コストの両立について説明できると、実装寄りの職種で評価につながりやすくなります。
【違い5：関係者への説明】
実務では、技術者以外に結果を説明する場面があります。指標の意味と限界を平易な言葉で言い換えられるかは、コンペだけでは身につきにくい部分です。
選考の場面別・Kaggle実績の示し方
【職務経歴書】
冒頭のサマリーに1行、詳細は実績欄に3〜5行で記載します。事実（観点1）を短く書き、判断（観点2）を1〜2文添える構成が読みやすくなります。実務経験がある場合は、業務実績の後ろに置きます。コンペを前面に出しすぎると、実務経験が少ない印象を与えることがあります。
【書類選考が通りにくいと感じるとき】
コンペの記載を増やすよりも、担当した工程の記述を増やすほうが効果的なことがあります。当サイトの職種ページ（/job/data-scientist/・/job/ml-engineer/）の要件と、ご自身の記述を照らし合わせてみてください。
【一次面接】
主に経緯が問われます。「なぜその特徴量を作ったのか」「上位陣の解法と自分の解法の差はどこか」に答えられる状態にしておきます。
【技術面接・コーディングテスト】
コンペで使った手法をその場で書けるかを確認されることがあります。当サイトのコーディングテスト対策ページ（/interview/coding-test/）とあわせて準備しておくと、形式の違いによる失点を防げます。
【エージェント面談】
本ページのエージェントへの伝え方の項目にある通り、コンペ名・順位・チームサイズ・使用技術・工夫した点をあわせて伝えると、求人の絞り込みが早くなります。
実践ステップ
1志望領域に近い区分のコンペを1つ選ぶ
本ページのコンペ種類別ガイドを参照し、志望職種で扱うデータの種類に近い区分を選びます。領域が合っていないと、実績を面接の話題につなげにくくなります。
2最後まで取り組む
順位より、締切まで提出を続けたことのほうが説明材料になります。途中で止めた取り組みは、判断の経緯が残りにくくなります。
3試行の記録を残す
試した手法、採用した理由、採用しなかった理由を1行ずつ残します。この記録がそのまま職務経歴書と面接の回答になります。
4上位解法との差分を書き出す
終了後に公開される解法と自分の実装を比較し、差がどこで生まれたかを整理します。この作業は、次のコンペと面接の両方に役立ちます。
53つの観点で書類に反映する
事実・判断・転用の3つの観点で整理し、職務経歴書に3〜5行で反映します。実務経験がある場合は、業務実績の後ろに置きます。
6面接の想定問答を作成する
検証の分け方、指標の選定理由、実務との違いの3点は聞かれやすい項目です。それぞれ2〜3文で答えられるようにしておきます。
避けるべき行動
称号や順位を年収の根拠として提示する
採用条件は職務内容・実務経験・企業の給与テーブルで決まります。称号と年収を直接結びつける説明は、面接で評価の観点が合わなくなる要因となります。
区分を書かずに称号だけ書く
Competitions・Code（Notebooks）・Datasets のどの区分かで示す内容が変わります。区分がないと、読み手が内容を判断できません。
順位を実際より広く見せる書き方をする
上位何パーセントかの表記を曖昧にすると、確認された際に信頼を損ねるおそれがあります。事実をそのまま書くほうが安全です。
コンペの記載で職務経歴書を埋める
実務経験がある場合、コンペを前面に出しすぎると業務実績が目立たなくなります。業務実績を先に記載してください。
公開ノートブックをそのまま自分の成果として出す
判断の過程が残らないため、経緯を質問された際に説明できなくなります。独自の改良を加え、その理由を記録してください。
実務との違いに触れずにコンペの話だけをする
課題設定・データ整備・運用継続の経験がない点を認めたうえで、学ぶ姿勢を示すほうが評価につながります。
Kaggleは、Google傘下の機械学習コンペティション・プラットフォームです。AI転職において、Kaggleの実績は実データを扱った経験を示す材料になります。ただし、取り組み方と伝え方によって選考での効果は大きく変わります。
コンペ種類別ガイド
Tabular Data（表形式データ）
初心者〜中級者特徴量エンジニアリング・LightGBM/XGBoostが中心です。初めてのメダル取得を目指す場合に最も取り組みやすい区分です
NLP（自然言語処理）
中〜上級者Transformers・LLMファインチューニングが中心で、LLMエンジニア志望者に適しています
Computer Vision（画像認識）
中〜上級者PyTorch + CNNが中心で、深層学習エンジニア志望者に適しています
Getting Started / Playground
初心者Titanicなどが知られる学習目的のコンペで、通常はメダルとポイントの対象外です（Kaggle公式）。スキル習得の入り口として適しています
エージェントへの伝え方
エージェントにKaggleの実績を伝える際は、「コンペ名・区分・順位（参加チーム数）・チームサイズ・使用技術・工夫した点」をあわせて伝えることをおすすめします。「Competitions Expert（銅メダル2個）」のように区分と内訳を添えると、条件に合った求人の紹介を受けやすくなります。AI・データ領域に強いエージェントの比較は、当サイトのAIエンジニア向けランキング（/ranking/ai-engineer/）をご覧ください。
よくある質問
Q1.未経験ですが、Kaggleの実績だけで転職できますか？↓
A.Kaggle単体では難しく、実務経験の代替にはなりません。ただし、未経験・異業種からの応募では、学習への意欲と実装力の証明として機能します。ポートフォリオ（コードとアプローチの解説）とあわせて提示することが効果的です。
Q2.Kaggle ExpertやMasterは転職でどのくらい評価されますか？↓
A.Competitions Expert（銅メダル2個）以上は、実データを扱った経験を示す材料として書類選考で参照されます。Competitions Master は金1個＋銀2個が条件で、三菱電機は2026年5月の発表で、同社技術者の Master 認定を「全参加者の上位1.3%」と説明しています。ただし評価されるのは順位そのものより「どんな課題にどうアプローチしたか」を説明できることです。
Q3.Kaggle Expertになるには何が必要ですか？↓
A.Kaggle公式の Progression System では、Competitions Expert は銅メダル2個、Code（Notebooks）Expert は銅メダル5個、Datasets Expert は銅メダル3個が条件です（2026年10月19日確認）。Competitions の銅メダルは、参加チーム数に応じて上位40%・上位100位・上位10%のいずれかに入ると付与されます。
Q4.Kaggle MasterとGrandmasterの条件の違いは？↓
A.Competitions では、Master が金1個＋銀2個、Grandmaster が金5個（うち1個はソロでの金）です。Code は Master が銀10個・Grandmaster が金15個、Datasets は Master が金1個＋銀4個・Grandmaster が金5個＋銀5個です（Kaggle公式 Progression System・2026年10月19日確認）。
Q5.Kaggleは全員が参加すべきですか？↓
A.AI・データサイエンス系の転職を目指す場合は、参加をおすすめします。ただし、転職に必須ではありません。Kaggle以外にも、独自プロジェクト・論文実装・OSSへの貢献・Zenn/Qiita記事なども有効なスキルの証明になります。ご自身が継続しやすい方法でスキルを示すことをおすすめします。
Q6.メダル取得には何ヶ月かかりますか？↓
A.期間の公式な目安はありません。銅メダルは参加チーム数に応じて上位40%（249チーム以下）から上位10%（1,000チーム以上）に付与されるため、参加チームが少ないコンペほど基準は緩くなります。チームを組む（Kaggle Discussionでチームメンバーを探す）方法もあります。まずは1つのコンペに最後まで取り組むことを目標にしてください。
Q7.Kaggleの結果が悪かったらエージェントに言う必要はありますか？↓
A.下位の成績でも、参加した事実には価値があります。「XX月にYYコンペに参加し、上位XX%」のように、事実のとおりに伝えることをおすすめします。採用担当者は、成績よりも取り組み姿勢・工夫した点・学んだことに関心を持つことが多くあります。
Q8.Kaggle ExpertやMasterの年収はどのくらいですか？↓
A.称号ごとの年収の統計はありません。2026年10月19日に当サイトが確認した、Kaggleを職種名や応募条件に掲げる公開求人の表示年収はおおむね500万〜1,200万円で、Expert・Masterの段階で年収を分けた求人はありませんでした。Kaggleチームを持つRistの求人でも、GrandmasterまたはMasterの称号は必須要件ではないと明記されています。年収は担当する職務・実務経験・企業の給与水準で決まります。個別の求人は本文の表をご覧ください。
スキルの準備が整った段階で、転職エージェントへの相談をおすすめします
AI転職に強い専門エージェントが、スキルと経験に合った求人を無料で紹介します。