{
  "fetched_at": "2026-10-20T03:06:38Z",
  "source_url": "https://www.kaggle.com/competitions/evaluacin-final-2022-1/data",
  "pages": [
    {
      "name": "data-description",
      "content": "Los datos para este trabajo son tomados del reto llamado [MERCADO LIBRE DATA CHALLENGE 2019](https://ml-challenge.mercadolibre.com/) (ya no se encuentra activa la página de la edición 2019, pero se pueden consultar los siguientes recursos [Youtube WS MeLi DC 2019](https://www.youtube.com/watch?v=tirn18qFaa8), [MetaText](https://metatext.io/datasets/mercadolibre-data-challenge-2019)). Los datos que yo les comparto son solo una muestra de los de este reto.\n\n<h2>Descripción de los datos</h2>\n<ul>\n<li><strong>train.csv</strong> - corresponde al conjunto de datos de entrenamiento.</li>\n<li><strong>test.csv</strong> - corresponde al conjunto de datos con las nuevas observaciones a clasificar de acuerdo con el modelo construido.</li>\n<li><strong>sample_submission.csv</strong> - es una muestra de como deben ser cargados los datos de respuesta.</li>\n</ul>\n<h2>Campos</h2>\n<ul>\n<li><strong>id</strong> - es el identificador del comentario (ROL: ID).</li>\n<li><strong>title</strong> - campo que contiene el texto a clasificar (ROL: TEXT).</li>\n<li><strong>category</strong> - es la categoría a la que corresponde el comentario (ROL: OBJETIVO).</li>\n</ul>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<h2>Descripción del ejercicio.</h2>\n\nEsta competición servirá para evaluar los conocimientos adquiridos, y para familiarizarse con el entorno Kaggle. La calificación final será la que obtengan de este ejercicio junto con el reporte escrito.\n\nEl ejercicio consiste crear un modelo utilizando las herramientas vistas en clase sobre un conjunto de datos que pueden descargar desde la sección Data. Los datos para este trabajo son tomados del reto llamado [MERCADO LIBRE DATA CHALLENGE 2019](https://ml-challenge.mercadolibre.com/)  (ya no se encuentra activa la página de la edición 2019, pero se pueden consultar los siguientes recursos [Youtube WS MeLi DC 2019](https://www.youtube.com/watch?v=tirn18qFaa8), [MetaText](https://metatext.io/datasets/mercadolibre-data-challenge-2019)). Los datos que yo les comparto son solo una muestra de los de este reto.\n\n</p><p>Está permitido hacer equipos de 2 integrantes.</p>\n\nLa descripción de la competición original es la siguiente:\n\n<em>\"En Mercado Libre tenemos millones de publicaciones de productos y servicios. Contar con datos estructurados que describan cada una es un factor clave para proporcionar la mejor experiencia para el cliente facilitando la búsqueda y el descubrimiento de productos, mejorando recomendaciones, proporcionando fichas técnicas, estimaciones de tamaños de paquetes, entre otras posibilidades.</em>\n\n<em>Es por eso que es vital que cada publicación se encuentre clasificada adecuadamente (si es un telefono celular, una heladera, un televisor, etc.). Dada la variedad de productos en nuestro mercado y las miles de categorías disponibles, elegir la categoría correcta podría ser una tarea difícil.</em>\n\n<em>Dado el título de una publicación, te desafiamos a que predigas la categoria más adecuada.\"</em>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>Para evaluar la calidad de la predicción se utilizará la Tasa de Error de Clasificación. </p>\n\n<p>La dinámica de la Evaluación será la siguiente: </p>\n\n1. Cada equipo generará un archivo de salida de SAS EM en formato csv con los resultados de su evaluación. Más abajo vienen los requerimientos de dicho archivo y tips para generar dicha salida a partir de SAS EM.\n2. La plataforma Kaggle asigna una calificación considerando el 50% de los datos de validación al momento de que realizan la carga de sus resultados. La calificación final se calculará con el restante 50%.\n3. La calificación final del módulo dependerá del desempeño del modelo (80% de la calificación), por lo que es importante ir robusteciendo el modelo a fin de ir mejorando su rendimiento..",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "Para recordar.\n\n - Pueden hacer equipos de 2 integrantes.\n - Pueden subir las respuestas que quieran!\n - La calificación final del módulo dependerá del desempeño del modelo (80% de la calificación), por lo que es importante ir robusteciendo el modelo a fin de ir mejorando su rendimiento.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}