{
  "fetched_at": "2026-10-19T21:55:49Z",
  "source_url": "https://www.kaggle.com/competitions/2025-ii-practica-competencia-ciencia-de-datos/data",
  "pages": [
    {
      "name": "data-description",
      "content": "##**Archivos**\n\n*   **train.csv** - El dataset de entrenamiento\n*   **pred.csv** - El dataset que deben predecir\n*   **ejemplo_predicciones.csv** - Un ejemplo del formato que deben tener los archivos de predicciones para ingresarlos a Kaggle\n\n## **Columnas**\n\n**age** (numérica)\nEdad del cliente.\n\n**job** : tipo de trabajo (categórica: \"admin.\",\"blue-collar\",\"entrepreneur\",\"housemaid\",\"management\",\"retired\",\"self-employed\",\"services\",\"student\",\"technician\",\"unemployed\",\"unknown\")\nTipo de ocupación del cliente.\n\n**marital** : estado civil (categórica: \"divorced\",\"married\",\"single\",\"unknown\"; nota: \"divorced\" incluye divorciado o viudo).\nEstado civil del cliente.\n\n**education** (categórica: \"basic.4y\",\"basic.6y\",\"basic.9y\",\"high.school\",\"illiterate\",\"professional.course\",\"university.degree\",\"unknown\")\nNivel educativo del cliente.\n\n**default**: ¿tiene créditos en mora? (categórica: \"no\",\"yes\",\"unknown\")\nIndica si el cliente tiene historial de incumplimiento crediticio.\n\n**housing**: ¿tiene préstamo de vivienda? (categórica: \"no\",\"yes\",\"unknown\")\nIndica si el cliente tiene un crédito hipotecario.\n\n**loan**: ¿tiene préstamo personal? (categórica: \"no\",\"yes\",\"unknown\")\nIndica si el cliente tiene un crédito personal.\n\n---\n\n### Relacionadas con el último contacto de la campaña actual:\n\n**contact**: tipo de comunicación (categórica: \"cellular\",\"telephone\")\nMedio de contacto utilizado.\n\n**month**: mes del último contacto en el año (categórica: \"jan\", \"feb\", ..., \"dec\")\nMes en que se realizó el último contacto.\n\n**day\\_of\\_week**: día de la semana del último contacto (categórica: \"mon\",\"tue\",\"wed\",\"thu\",\"fri\")\nDía de la semana del último contacto.\n\n---\n\n### Otros atributos:\n\n**campaign**: número de contactos realizados durante esta campaña y con este cliente (numérica; incluye el último contacto).\nCantidad de intentos de contacto en la campaña actual.\n\n**pdays**: número de días desde el último contacto con el cliente en una campaña anterior (numérica; 999 significa que no fue contactado previamente).\nTiempo transcurrido desde la última campaña.\n\n**previous**: número de contactos realizados antes de esta campaña con este cliente (numérica).\nNúmero de intentos previos al actual.\n\n**poutcome**: resultado de la campaña de marketing anterior (categórica: \"failure\",\"nonexistent\",\"success\").\nResultado del contacto previo con el cliente.\n\n---\n\n### Atributos de contexto social y económico:\n\n**emp.var.rate**: tasa de variación del empleo – indicador trimestral (numérica).\nMide la variación en el empleo.\n\n**cons.price.idx**: índice de precios al consumidor – indicador mensual (numérica).\nMide la inflación al consumidor.\n\n**cons.conf.idx**: índice de confianza del consumidor – indicador mensual (numérica).\nMide la percepción del consumidor.\n\n**nr.employed**: número de empleados – indicador trimestral (numérica).\nCantidad de empleados registrada.\n\n### Variable objetivo:\n\n**target**: Variable objetivo que indica si el cliente tomó el CDT o no\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Los bancos, y en general los establecimientos de crédito, necesitan captar recursos para financiar sus operaciones y actividades. Una forma común en la que los bancos obtienen fondos es a través de la emisión de certificados de depósito a término (CDT). \n\nLos bancos utilizan los fondos captados de los CDT para conceder préstamos a empresas y particulares, para invertir en activos financieros o para cumplir con los requisitos de reserva que exigen los reguladores. Por estos motivos, poder predecir si un cliente va a adquirir uno de estos productos es un problema de negocio muy relevante que debe resolver un banco.\n\nEl objetivo de este taller es que de acuerdo a la base de datos de campañas de mercadeo que se realizó con los clientes de un banco, puedan predecir si ese cliente adquirió o no adquirió un CDT. \n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Métrica de evaluación: **Accuracy**\n\nLa métrica de accuracy es una medida comúnmente utilizada en problemas de clasificación para evaluar el rendimiento de un modelo y va a ser la utilizada para evaluar el desempeño de cada uno de sus modelos. Se define como la proporción de predicciones correctas realizadas por el modelo en relación con el número total de predicciones. Matemáticamente, se expresa de la siguiente manera:\n\nEl accuracy proporciona una visión general de la capacidad del modelo para predecir correctamente las clases de los datos. Cuanto mayor sea el valor de la métrica, mejor será el rendimiento del modelo en términos de hacer predicciones precisas.\n\nSin embargo, es importante tener en cuenta que el accuracy puede no ser la métrica más adecuada en todos los casos, especialmente cuando los datos están desequilibrados.\n\n\nPara subir sus predicciones a esta competencia, el archivo deberá tener el siguiente formato:\n\n- Debe ser un archivo csv\n- Debe tener 2 columnas llamadas: id, target\n\n```\nid,target\n12692, 0\n9269, 0\n33887, 0\n18576, 1\n16739, 1\n15361, 0\netc.\n```",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "En el Public Leaderboard van a poder ver los resultados obtenidos con el 30% de los datos de predicciones. Es decir, la métrica final que van a obtener se calculará a partir del 70% de los datos de las predicciones (Private Leaderboard).",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}