{
  "fetched_at": "2026-10-23T16:54:34Z",
  "source_url": "https://www.kaggle.com/competitions/data-2021-1/data",
  "pages": [
    {
      "name": "data-description",
      "content": "",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "## Motivação\nA ideia da competição é que vocês pratiquem tudo que vimos na aula de uma maneira prática. Um cientista de dados é aquele que consegue aplicar seu conhecimento em um problema, por isso a importância de praticar, ter dúvidas e apreender como desenvolver todo o *pipeline* de data science.\n\n## O que posso usar\nNessa competição, só sera aceito usar modelos que vimos em aula ou deixamos explitamente como lição de casa. Eles são: [K-NN][1], [Árvore de decisão][2] e [Naive Bayes][3].\n\nLembrando que vimos várias etapas de pré-processamento, encoding, scaling, tunar parâmetros de modelos, etc.\n\n## Tamanho da equipe\nA competição pode ser feita individualmente ou em grupos de até duas pessoas. Não é necessário formar a dupla no início, ela pode ser formada a qualquer hora da competição.\n\n## Divulgação e discussões\nMantendo o espirito do Kaggle, qualquer discussão que não seja com a sua dupla sobre a competição devera ser compartilhado de maneira pública nas discussões/kernels\n\n### Aproveitem 😃 \n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}