Predikce skóre u zkoušky - Simulace OJIA 3

🏫 Predikce skóre u zkoušky

Pro tento problém musíte implementovat regresní model schopný predikovat skóre dosažené u zkoušky (Exam_Score) pomocí dostupné datové sady. Datová sada je organizována v CSV souboru a výkonnost modelu se bude hodnotit na základě Mean Absolute Error (MAE).

---

🔹 Datová sada

Datová sada obsahuje následující sloupce:

• ID: Jedinečné identifikační číslo studenta
• Hours_Studied: Počet hodin strávených studiem
• Attendance: Procento účasti na přednáškách
• Parental_Involvement: Úroveň zapojení rodičů (Low, Medium, High)
• Access_to_Resources: Přístup k vzdělávacím zdrojům (Low, Medium, High)
• Extracurricular_Activities: Účast na mimoškolních aktivitách (Yes/No)
• Sleep_Hours: Průměrný počet hodin spánku za noc
• Previous_Scores: Dříve dosažená skóre u zkoušek
• Motivation_Level: Úroveň motivace (Low, Medium, High)
• Internet_Access: Přístup k internetu pro studium (Yes/No)
• Tutoring_Sessions: Počet doučovacích sezení
• Family_Income: Příjem rodiny (Low, Medium, High)
• Teacher_Quality: Kvalita učitelů vnímaná studentem (Low, Medium, High)
• School_Type: Typ školy (Public/Private)
• Peer_Influence: Vliv spolužáků na studenta (Negative, Neutral, Positive)
• Physical_Activity: Počet hodin fyzické aktivity týdně
• Learning_Disabilities: Přítomnost poruch učení (Yes/No)
• Parental_Education_Level: Úroveň vzdělání rodičů (High School, College, Postgraduate)
• Distance_from_Home: Vzdálenost mezi domovem a školou (Near, Moderate, Far)
• Gender: Pohlaví studenta (Male/Female)
• Exam_Score: Cílová proměnná, skóre dosažené u zkoušky (numerická hodnota)

---

📚 Úkoly

Subtask 1 (10 bodů)

Vypočítejte průměr hodnot ze sloupce Hours_Studied na trénovací sadě. Pro každého studenta z testu určete absolutní hodnotu rozdílu mezi Hours_Studied a vypočítaným průměrem.

Subtask 2 (10 bodů)

Určete pro každého studenta z testu, zda spí málo (<7 hodin). Výsledek bude True nebo False.

Subtask 3 (10 bodů)

Spočítejte, kolik studentů z trénovací sady mělo předchozí skóre (Previous_Scores) větší nebo rovno každému studentovi z testu.

Subtask 4 (10 bodů)

Určete počet studentů z trénovací sady se stejnou úrovní motivace (Motivation_Level) jako každý student z testu.

Subtask 5 (60 bodů)

Sestavte regresní model pro predikci Exam_Score na základě poskytnutých charakteristik. Model musí generalizovat na nová data a bude hodnocen pomocí MAE.

---

📊 Poznámky k datové sadě

• Cílové pole: Exam_Score
• Model musí být trénován na train_data.csv a hodnocen na test_data.csv
• Doporučuje se kontrola chybějících hodnot a normalizace charakteristik.

---

⚙️ Kritéria hodnocení

• Výkonnost: MAE co nejnižší

---

📨 Formát souboru pro odevzdání

Soubor pro odevzdání musí být CSV s přesně třemi sloupci:

Sloupec	Typ	Popis
subtaskID	integer	Představuje ID subtasku (od 1 do 5).
datapointID	integer/string	Představuje jedinečný identifikátor řádku z testovací sady (ID).
answer	float / int / bool	Odpověď pro příslušný subtask. Typ hodnoty závisí na subtasku: • Subtask 1: float • Subtask 2: boolean • Subtask 3: integer • Subtask 4: integer • Subtask 5: float (predikce modelu)

🔹 Příklady

subtaskID	datapointID	answer
1	101	12.5
2	101	True
3	101	7
4	101	3
5	101	85.3

Důležité: Každý řádek v CSV představuje odpověď pro jeden subtask a jeden datapoint. Pro každý datapointID musí existovat jeden řádek pro každý subtask.

---

📝 Poznámka

Odevzdání sample_output generuje 6 bodů.

🗂️ Užitečné zdroje

• Kompletní Starter Kit – obsahuje kostru, ze které můžete začít řešit problém