{
  "fetched_at": "2026-10-20T09:43:54Z",
  "source_url": "https://www.kaggle.com/competitions/competencia-ml-enfermedades-corazon/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## Descripción de los datos\n\nLa variable objetivo es `target`, esta solo se encuentra en el set de entrenamiento `train.csv`. Contiene el valor 1 para individuos enfermos del corazón y 0 para los que no.\n\nLas variables del DataFrame son las siguientes:\n\n- age: Edad individuo\n- sex : Genero individuo (0 Femenino, 1 Masculino)\n- cp; Tipo de dolor de pecho (Chest Pain) 0 - 3\n- trestbps : Presión arterial en reposo\n- chol: colestorl sérico en mg/dl\n- fbs: Azuxar en sangre en ayunas\n- restecg: resultados electrocardiográficos en reposo (0 normal  - 1 anormal)\n- thalach: frecuencia cardíaca máxima alcanzada\n- exang: Angina inducida por ejercicio. (1 si, 0 No)\n- oldpeak: depresión del ST inducida por el ejercicio en relación con el reposo- slope : \n- slope: La pendiente del segmento ST de ejercicio máximo\n- ca: número de vasos principales (0-3) coloreados por fluoroscopia\n- thal: Tipo de defecto ... normal; 1 = fixed defect; 2 = reversable defect\n\n## Files\n\n*   **train.csv** - set de entrenamiento\n*   **test.csv** -set de testeo\n*   **z_sample.csv** - un formato de subida de ejemplo con el formato correcto.\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "# **Competencia ML - Enfermedades de Corazón**💔 \nAsí como en la economía el Machine Learning puede ser útil para aplicar tanto modelos de predicción o clasificación además de otro tipo de herramientas en el análisis de contextos específicos de la ciencia económica (Economía Laboral, Macroeconomías, Microeconomía .. Etc.), también se puede usar el aprendizaje de maquina bajo cualquier situación y ciencia que se pueda imaginar. \n\nDe manera que a continuación se presenta un reto donde a partir de variables relacionadas a el estado de salud cardiaco se buscara dar desarrollo a un modelo de clasificación.\n\n## **¿Cuál es el reto?**😵\n\nEsta competencia busca la creación de algoritmos de clasificación que logre categorizar a un grupo de individuos en enfermos o no del corazón, para esto se brinda un set de datos de entrenamiento train.csv con el cual se construirán los modelos. Usted puede realizar cualquier tipo de selección, transformación o estandarización sobre las variables.\n\nSe recomienda ser cuidadoso con el manejo de los datos tanto de entrenamiento como de testeo, puesto que estos presentan algunos errores naturales en el proceso de minado de datos (Missing values, duplicados etc.)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "# **Evaluación Algoritmos** 🔎\n\nLa evaluación de los algoritmos creados se realizar por medio de la métrica [AUC](https://polmartisanahuja.com/entendiendo-la-curva-roc-y-el-auc-dos-medidas-del-rendimiento-de-un-clasificador-binario-que-van-de-la-mano/)\n\n## **Formato de Subida Resultados** 📰\n\n\nPara subir los resultados y conocer el puntaje obtenido seleccione la opción de `Sumbit Predictions`, el formato de subida debe ser un archivo con formato `.csv` con dos columnas, la primera `id`, la cual corresponde a los números de identificación de los individuos, estos pueden ser extraídos del mismo archivo `test.csv`, la otra columna se debe llamar 'Predicted' y corresponde a las predicciones de los grupos sobre los datos de testeo.\n\nEjemplo de formato del archivo:\n\n```\nid,Predicted\n125,0\n407,1\n302,1\n```",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": " - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}