{
  "fetched_at": "2026-10-19T10:41:00Z",
  "source_url": "https://www.kaggle.com/competitions/ds-programming-test/data",
  "pages": [
    {
      "name": "data-description",
      "content": "La evaluación del modelo se realiza de manera automática a través de la plataforma. Se encuentran tres archivos:\n\n- train_set.csv: datos que servirán para construir el modelo\n\n- test_set.csv: datos que no tienen la variable dependiente y que se debe hacer predicción\n\n- sample_submission.csv: formato en el cual se debe subir las predicciones\n\nEn el tab de Submit Predictions se hace upload de un archivo con el formato adecuado.Favor de registrarse con algún pseudónimo que no esté relacionado con su nombre y compártenoslo. El objetivo principal no es llegar al mejor resultado en términos de la métrica de error, si no estar seguros de tomar en cuenta aspectos indispensables al crear este modelo analítico. Por lo que sobrepasando el benchmark se considera una buena entrega.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "En Los Ángeles existe un sistema compartido de bicicletas que brinda datos anónimos acerca del uso del servicio que ofrecen. La tabla que se proporciona contiene el histórico de viajes que se han realizado durante cerca de 9 meses, y contiene una columna que es de particular interés y que se buscará analizar a más profundidad: Passholder_type.  A continuación se presentan las columnas que contiene la tabla:\n\n- trip_id: identificador único para el viaje\n- duration: duración del viaje en minutos\n- start_time: dia/hora donde en viaje inicia en formato ISO 8601 tiempo local\n- end_time:  dia/hora donde el viaje termina en formato ISO 8601 tiempo local\n- start_station: la estación donde el viaje inició\n- start_lat: la latitud de la estación donde el viaje se originó\n- start_lon: la longitud de la estación donde el viaje se originó\n- end_station: la estación donde el viaje terminó\n- end_lat: la latitud de la estación donde terminó el viaje\n- end_lon: la longitud de la estación donde terminó el viaje\n- bike_id: un entero único que identifica la bicicleta\n- plan_duration: número de dias que el usuario tendrá el paso. 0 significa un viaje único (Walk-up plan)\n- trip_route_category: “Round trip” son viajes que empiezan y terminan en la misma estación\n- passholder_type: El nombre del plan de passholder\n\nPara el problema analítico, se desea saber si es posible inferir si el tipo de pase es “Monthly Pass” tomando en cuenta las demás variables de viaje. \n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Submissions are scored by categorization accuracy.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "Categorization Accuracy is used for scoring\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}