{
  "fetched_at": "2026-10-19T16:30:51Z",
  "source_url": "https://www.kaggle.com/competitions/fashion-mnist-itba/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": "train_images.npy: pickle de python con las imágenes de 28x28. Un total de 60.000 imágenes\n\ntrain_labels.csv: CSV con las etiquetas indicando la categoría de cada imagen\n\nLabel Description \n0 T-shirt/top \n1 Trouser \n2 Pullover \n3 Dress \n4 Coat \n5 Sandal \n6 Shirt \n7 Sneaker \n8 Bag \n9 Ankle boot\n\ntest_images.npy: pickle de python con las imágenes de 28x28 con las que habrá que armar el archivo para testing",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Competencia del curso \"Laboratorio Machine Learning\" del ITBA. Accuracy para aprobar: 85%. Suerte!!!\n\nVer el kernel de ejemplo [aca][1]\n\nRecomendaciones para mejorar el score:\n\n - Normalizar\n - Aumentar la cantidad de capas y neuronas por capa\n - Variar optimizadores y learning rates (Adam es una de los más recomendados para estos casos)\n - Variar Batch Size (32, 64, 128, 256, 512)\n - Probar con distintas funciones de activación (sigmoid, relu, leaku_relu, prelu, etc)\n - Utilizar k-fold para entrenar con todo el dataset\n - Data augmentation\n\nComenten que cosas les funcionaron mejor en la sección de discusión de la plataforma o en Kaggle\n\n\n  [1]: https://www.kaggle.com/jganzabal/fashion-mnist-baseline-regresion-logistica",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Se evaluará el accuracy sobre todo el test set. Accuracy para aprobar: 85%. Suerte!!!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}