- Rossmann销售预测(Top3%)：Rossmann在7个欧洲国家经营着3000多家药店。目前，罗斯曼门店经理的任务是提前6周预测他们的日销售额，商店的销售受到许多因素的影响，包括促销、竞争、学校和国家假日、季节性和地域性，由于数以千计的管理者根据自己的特殊情况预测销售，结果的准确性可能会有很大的差异；
- NCAA
- Walmart
- 能源预测③(Top36%)：在本次竞赛中，基于ASHRA公司数据，在以下领域开发计量建筑能源使用的精确模型：冷水、电、热水和蒸汽表，数据来自超过1000栋建筑，历时三年，随着对这些节能投资的更好估计，大型投资者和金融机构将更倾向于在这一领域投资，以便在提高建筑效率方面取得进展；
- 未来价格预测(Top37%)：在这场竞争中，您将使用一个具有挑战性的时间序列数据集，该数据集由一家最大的俄罗斯软件公司提供，由每日销售数据组成，我们要求你方预测下个月每个产品和商店的总销售额。通过解决这个竞争，你将能够应用和提高你的数据科学技能；
- NFL大数据碗(Top61%)：基于NFL的历史比赛数据，预测每回合中，进攻方的推进码数；
- 厄瓜多尔连锁超市销售预测(Top48%)：随着零售商增加具有独特需求的新地点、新产品、不断变化的季节口味和不可预测的产品营销，问题变得更加复杂。厄瓜多尔一家大型杂货零售商Corpoción Favorita对此非常了解。他们经营数百家超市，货架上有20多万种不同的产品，基于Corporación Favorita提供数据，对商品销售情况进行准确预测；
- StoreItemPredict(Top34%)：本次竞赛是在一个相对简单和干净的数据集上探索不同时间序列技术的一种方法，给你5年的商店商品销售数据，并要求你预测10个不同商店50种不同商品的3个月销售；
- 餐厅顾客预测(Top37%)：经营一家餐厅并不总是像第一感觉一样迷人，会有很多问题跳出来干扰到生意，其中一个问题是预测当天的顾客数量以准备相应的食材和人工，而这通常是比较困难的，因为很多因素会对这一事件有干扰，比如不同的城市、地区，天气，节假日，赛事等等，尤其是对一些历史数据比较少的新店来说，基于数据对餐厅顾客数量进行预测；
- 谷歌流量预测(Topxxx)：这场比赛的焦点是预测多个时间序列的未来价值，因为它一直是该领域最具挑战性的问题之一，更具体地说，我们的目标是竞争测试的参与者所设计的最先进的方法，预测约145000维基百科文章的未来流量的问题；
- HousePrices(Top34%)：基于历史数据，要求你预测每套房屋的最终价格；
- 数字识别(Top78%)：基于MNIST数据集，对图片上的数字进行预测；
- 泰坦尼克(Top83%)：大家都懂的项目。