# Guía para Subir tus archivos .mat de SHHS

## Dónde subir los archivos

### Opción 1: Hugging Face Dataset (RECOMENDADO)

1. Crea un **Dataset privado** en HuggingFace:
   - Ve a https://huggingface.co/new-dataset
   - Nombre sugerido: `Gastpm/shhs-mat-files`
   - Marca como **Private** (datos médicos sensibles)
   - Selecciona formato "Files"

2. Sube los archivos .mat:
   ```bash
   pip install huggingface_hub
   huggingface-cli login
   huggingface-cli upload Gastpm/shhs-mat-files /ruta/local/a/tus/archivos/mat/*.mat .
   ```

3. En el job de entrenamiento, los descargamos:
   ```python
   from huggingface_hub import snapshot_download
   snapshot_download(repo_id="Gastpm/shhs-mat-files", local_dir="/app/data")
   ```

### Opción 2: Hugging Face Bucket

- Ve a https://huggingface.co/new-bucket
- Nombre: `Gastpm/shhs-data-bucket`
- Sube archivos vía web o API

## Cuántos archivos necesitas

| Escenario | Mínimo recomendado |
|-----------|-------------------|
| **Smoke test** | 5-10 archivos |
| **Entrenamiento mínimo** | 100-200 archivos (~20% del dataset) |
| **Entrenamiento completo** | 1000+ archivos |
| **Entrenamiento óptimo** | 4000-5000 archivos (todo SHHS) |

### Reglas prácticas:

1. **Mínimo para empezar**: 50 archivos con 3-4 horas cada uno
   - Genera ~10,000-15,000 ventanas de 15 min
   - Suficiente para aprender patrones básicos

2. **Mínimo viable**: 200 archivos
   - ~50,000-80,000 ventanas
   - Split 70/15/15 da conjuntos razonables
   - Sensibilidad >60% posible si hay suficientes eventos

3. **Recomendado**: 1000+ archivos
   - Mejor robustez entre pacientes
   - Maneja desbalance real (~5-10% positivos)

4. **Tus 4500-5000 archivos**: Ideal
   - Dataset completo SHHS
   - Máxima diversidad de pacientes y severidades

## Estructura de archivos esperada

Cada `.mat` debe contener:
```
HR         (N,) - Frecuencia cardíaca 1Hz
SaO2       (N,) - SpO2 1Hz, resolución 1%
Target03   (N,) - 0=normal, !=0=apnea/hipopnea
OXStat     (N,) - 0=buena calidad, !=0=artefacto
```

## Tamaño estimado

- 8 horas @ 1Hz ≈ 400-500 KB por archivo
- 5000 archivos ≈ 2-2.5 GB total
- HuggingFace soporta archivos grandes sin problema

## Límites gratuitos

- **Datasets**: Sin límite estricto, archivos >5GB usan LFS
- **Buckets**: Almacenamiento generoso para ML
- **Jobs GPU**: Hasta 24GB VRAM (A10G)

## Próximo paso

1. Crea dataset/bucket en HuggingFace
2. Sube archivos .mat (en lotes de 100-500)
3. Ejecutamos job de entrenamiento en GPU