{
  "fetched_at": "2026-10-19T19:04:01Z",
  "source_url": "https://www.kaggle.com/competitions/coralspecies/data",
  "pages": [
    {
      "name": "rules",
      "content": "- Prohibido trampas. Tolerancia 0. \n- De lo mejor de ti!\n- Diviértete!\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<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>SampleC.csv </strong> - ejemplo de clasificación obtenido de manera totalmente aleatoria</li>\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": "Para la evaluación usaremos la métrica llamada \"Categorization accuracy\" ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}