# Archivos Disponibles
- `train.csv`: Este archivo contiene la información necesaria para entrenar el modelo de clasificación.
- `test.csv`: Este archivo contiene todas las mismas variables que el archivo de entrenamiento, excepto y. Con este archivo se debe realizar el ejercicio de predicción (clasificación).
- `sample.csv`: Este archivo es de ejemplo, para mostrar el formato de como se deben enviar las Submissions.

# Criterios de Evaluación
| Rubro | Ponderación |
| --- | --- |
| Desempeño Modelo | 50% |
| EDA, Feature Engineering, Programación, Redacción, Visualizaciones y la Interpretación del Modelo | 25% |
| Presentación (ppt) y Exposición del trabajo | 25% |

### Aspectos a Considerar
- Se evaluará su habilidad para programar en Python (el uso de PySpark es un plus en la evaluación), implementación de buenas prácticas en ingeniería de datos, desarrollo e implementación de modelos, documentación, análisis de datos y presentación de resultados.
- La calificación según el ranking se tendrá en cuenta con el private leaderboard para aquellos participantes que superen el clasificador aleatorio, en caso contrario la calificación sera de 0.

# Entregable
Como se menciona previamente, se espera que se suban las submissions directamente a Kaggle y con ello obtengan su puntaje parcial en el Leaderboard. De igual forma se sube un archivo de ejemplo llamado sample.csv que permite corroborar el tipo de archivo (csv) y el formato en que se deben subir las predicciones a Kaggle. **Es necesario presentar el código fuente y la presentación.**