{
  "fetched_at": "2026-10-24T17:05:40Z",
  "source_url": "https://www.kaggle.com/competitions/corales/data",
  "pages": [
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "\n<p>El objetivo de esta tarea es desarrollar un modelo de redes neuronales artificiales capaz de identificar la especie de un coral a partir de una imagen. Utilizaremos una base de datos  llamada RSMAS que contiene 14 classes, cada imagen es de 256x256 pixels.</p>\n\n<p>Se proporcionan dos ficheros zip, uno de entrenamiento (etiquetado de acuerdo a la carpeta donde se encuentran las imágenes) y otro de test (todos mezclados). Utilizad \"Train\" para ajustar el modelo y luego enviad un fichero CSV de test (de acuerdo al \"sample\" proporcionado) para chequear lo bueno que es vuestro clasificador.</p>\n\n\n\n<h2>Descripción de los archivos</h2>\n<ul>\n<li><strong>train.zip</strong> - el conjunto de entrenamiento dividido en 14 carpetas, cada carpeta corresponde a una especie de Coral</li>\n<li><strong>test.zip</strong> - el conjunto de test. Todas las imágenes están mezcladas</li>\n<li><strong>sample.csv</strong> - ejemplo de clasificación obtenido de manera totalmente aleatoria</li>\n\n</ul>\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "El objetivo de esta tarea es desarrollar un modelo de redes neuronales artificiales capaz de identificar la especie de un coral a partir de una imagen. Utilizaremos una base de datos llamada RSMAS que contiene 14 classes, cada imagen es de 256x256 pixels.\n\nSe proporcionan dos ficheros zip, uno de entrenamiento (etiquetado de acuerdo a la carpeta donde se encuentran las imágenes) y otro de test (todos mezclados). Utilizad \"Train\" para ajustar el modelo y luego enviad un fichero CSV de test (de acuerdo al \"sample\" proporcionado) para chequear lo bueno que es vuestro clasificador.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p><h2>Submission Format</h2>\n<p><strong>For every author in the dataset</strong>, submission files should contain two columns: AuthorId and DuplicateAuthorIds. DuplicateAuthorIds should be a space-delimited list. Every AuthorId counts as his/her own duplicate, and every duplicate should be listed under each of its respective ids. For example, if you suspect author A, B, and C are the same, you should list (A,A B C), (B,B A C), (C,C A B).</p>\n<p>The file should contain a header and have the following format:</p>\n<pre>AuthorId,DuplicateAuthorIds<br />1,1<br /><span style=\"font-size: 14px; line-height: 1.4em;\">8,8<br />9,9 10<br /></span><span style=\"font-size: 14px; line-height: 1.4em;\">10,10 9<br /></span><span style=\"font-size: 14px; line-height: 1.4em;\">etc.</span></pre>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}