{
  "fetched_at": "2026-10-19T21:00:50Z",
  "source_url": "https://www.kaggle.com/competitions/fundamentos-de-aprendizaje-automatico-pucp-2022-01/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## Archivos\n\n*   **train.csv** - The training set\n*   **test.csv** - The test set\n*   **sample_submission.csv** - A sample submission file in the correct format\n\n## Variables\n\n* **Id**: Una identificación anónima dada a un cliente - (numeric)\n* **Edad**: Edad del cliente - (numeric)\n* **Trabajo**: Tipo de Trabajo - (categorical: 'desempleado', 'empleada_domestica', 'administración', 'tecnico', 'administrador', 'servicios', 'emprendedor', 'estudiante', 'empleado_ por_cuenta_propia', 'trabajador_industria', 'retirado', 'valor_que_falta')\n* **Estado Civil**: Estado civil del cliente - (categorical: 'divorciado', 'soltero', 'casado', 'valor_que_falta')\n* **Educacion**: Grado de educación del cliente - (categorical: 'primaria_6_grado', 'grado_universitario', 'primaria_4_grado', 'primaria_3_grado', 'curso_profesional', 'secundaria_completa', 'analfabeto', 'valor_que_falta')\n* **Credito por Defecto**: ¿El cliente ya cuenta con un crédito? - (categorical: 'si', 'no', 'valor_que_falta')\n* **Prestamo Vivienda**: ¿El cliente ya tiene un préstamo para una vivienda? - (categorical: 'si', 'no', 'valor_que_falta')\n* **Prestamo Personal**: ¿El cliente ya tiene un préstamo personal? (categorical: 'si', 'no', 'valor_que_falta')\n\n*Variables relacionadas al último contacto que se realizó con el cliente respecto de la actual campaña*:\n\n* **Contacto**: Tipo de comunicación de contacto - (categorical: 'celular', 'telefono')\n* **Mes**: Último mes del año donde se realizó el último contacto - (categorical: 'marzo', 'abril', 'mayo', 'junio', 'julio', 'agosto', 'septiembre', 'octubre', 'noviembre', 'diciembre')\n* **Dia Semana**: Último día de la semana donde se realizó el último contacto - (categorical: 'lunes', 'martes', 'miercoles', 'jueves', 'viernes')\n* **Duracion**: Duración del último contacto, en segundos [**IMPORTANTE**: Este atributo se relaciona con la variable a predecir (por ejemplo, si la duración fue 0, entonces la variable a predecir será 'no'). Sin embargo, antes de realizar una llamada. Además, después del final de la llamada, obviamente se conoce el valor de la variable a predecir. Por lo tanto, esta variable sólo debe incluirse como referencia, pero **debe descartarse al desarrollar el modelo** con el fin que sea realista.] - (numeric)\n\n*Variables relacionadas a otros atributos*:\n\n* **Cantidad Contactos Realizados**: Número de contactos realizados al cliente durante esta campaña - (numeric)\n* **Cantidad Dias desde Ultimo Contacto**: Número de días que pasaron luego que el cliente fue contactado por última vez desde una campaña anterior - (numeric; 999 significa que el cliente no fue contactado previamente)\n* **Cantidad Contactos Previos Realizados**: Número de contactos realizados al cliente antes de esta campaña - (numeric)\n* **Resultado Campaña Anterior**: Resultado de la campaña de marketing anterior - (categorical: 'inexistente', 'exitoso', 'fallido')\n\n*Variables relacionadas a atributos del contexto social y económico*:\n\n* **Tasa Variacion Empleo**: Tasa de variación del empleo, indicador trimestral - (numeric)\n* **Indice Precios Consumidor**: Índice de precios al consumidor, indicador mensual - (numeric)\n* **Indice Confianza Consumidor**: Índice de confianza del consumidor, indicador mensual - (numeric)\n* **Tasa Interes 3 meses**: Tasa de interés a 3 meses entre bancos, indicador diario - (numeric)\n* **Cantidad Empleados**: Número de empleados, indicador trimestral - (numeric)\n\n*Variable a predecir*:\n\n* **Subscripcion Deposito**:  ¿El cliente se ha suscrito a un depósito a plazo? - (categorical: 'si', 'no').\n\n## Indicaciones\n\nLas variables del target deben ser convertidas a númericas:\n\n* si : 1\n* no : 0",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Este desafío consiste en predecir que clientes aceptarán una subscripción.  El *dataset* fue obtenido en una campaña de marketing en la que se contactó a los clientes mediante llamadas telefónicas para determinar si accedían a un depósito a plazo. A menudo, se requirió más de un contacto para el mismo cliente, para poder determinar si se suscribía ('si') o no ('no') a lo ofertado en la campaña.\n\nEn el archivo *submission* deben estar las \"probabilidades\" de las predicciones realizadas por el modelo desarrollado.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation Metric",
      "content": "La evaluación será el AUC (Area Under Curve)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- No hacer trampas\n- Subir el resultado del AUC\n- Se tienen 15 intentos por día\n- Se pueden escoger 2 envíos privados puntuados",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Instructions",
      "content": "Bienvenido a la \"Competencia sobre Marketing\" brindada en el \"Curso de Fundamentos de Aprendizaje Automático 2022-01\" de la Diplomatura en Data Analytics.\n\n## Instrucciones\n\n1. Leer las páginas dentro de la sección \"Overview\"\n2. Leer la sección \"Data\"\n3. Leer la sección \"Rules\"\n4. Click en \"Join the Competition\"\n5. Ir a la sección \"Team\" y establecer el nombre de su equipo\n6. Desarrollar un modelo y enviar sus predicciones siguiendo el formato del archivo \"sample_submission.csv\"\n7. Cumplir con todas las reglas de la competencia",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}