BAC luubi all

Kontekst

Aastate jooksul annavad gümnaasiumi lõpueksamite tulemused üksikasjaliku pildi Rumeenia gümnaasiumide jõudlusest. Analüüsides ajaloolisi andmeid mitme aasta vältel, võime avastada trende, koolisoorituse arengut ja mõnikord mustrist välja jäävaid tulemusi.

Selles kontekstis on selle ülesande eesmärk analüüsida statistiliselt gümnaasiumide jõudlust lõpueksamitel, ehitada ennustusmudeleid ja tuvastada ebatüüpilisi tulemusi masinõppe meetodite abil.

Andmete kirjeldus

Selle ülesande nõuete lahendamiseks on teil juurdepääs struktureeritud andmestikule kahe csv-faili kujul: train.csv ja test.csv. See andmestik sisaldab gümnaasiumide koondtulemusi erinevate lõpueksami ainete kohta ajavahemikul 2014–2023.

Iga rida andmestikus (olenemata sellest, kas tegemist on treenimis- või testikomplektiga) esindab gümnaasiumi tulemusi ühe aine kohta ühel aastal.

Saadaolevad veerud:

• id – rea unikaalne identifikaator
• an – eksami aasta
• liceu – gümnaasiumi nimetus
• judet – maakond, kus gümnaasium asub
• materie – lõpueksami aine
• medie – gümnaasiumi õpilaste poolt vastava aine eest saadud hinnete keskmine
• procent_reusita – õpilaste protsent, kes eksami läbisid
• numar_candidati – kandidaatide arv
• preferinta_materie – õpilaste protsent, kes vastava aine valisid
• anomalie - võib olla väärtusega 0, kui see ei ole ebatavalise olukorra puhul, või väärtusega 1, kui olukord on ebaharilik.

Märkus: Iga gümnaasiumi kohta on meil ka üldised statistikad. Nende puhul leiame veerust materie väärtuse GENERAL.

Fail train.csv sisaldab statistikaid ajavahemikust 2014-2022, fail test.csv sisaldab andmeid aasta 2023 kohta, kuid veerud medie ja anomalie ei ole saadaval.

Nõuded

Nõue 1 - Eelistatud aine tuvastamine (10 punkti)

Tuvastage, milline oli 2023. aastal kõige suurema eelistusega aine COLEGIUL NATIONAL "UNIREA" FOCSANI koolis, kui välistame aine LIMBA ROMANA, mis oli kõigile kandidaatidele kohustuslik.

Nõue 2 - Informaatika õitseaasta tuvastamine (10 punkti)

Tuvastage, millisel aastal ajavahemikust 2014-2022 oli aine INFORMATICA MI C-C++ kõige populaarsem COLEGIUL NATIONAL "UNIREA" FOCSANI koolis. Loeme, et populaarsust näitab veeru preferinta_materie protsent (mida suurem see protsent, seda populaarsemaks loeme ainet).

Nõue 3 - Gümnaasiumide jõudluse hindamine (40 punkti)

Kasutades failis train.csv saadaolevat teavet, hinnake saadud keskmise väärtust iga rea kohta failis test.csv (aasta 2023).

Selle nõude jaoks võite kasutada mis tahes statistilise analüüsi või modelleerimise meetodit, mis põhineb ajaloolistel andmetel, arvestades:

• analüüsitavat ainet,
• gümnaasiumi ajalugu,
• tulemuste arengut aja jooksul,
• üldist konteksti maakonna või riigi tasandi jõudluse kohta.

Eesmärk on saada hinnanguid, mis on võimalikult lähedal tegelikele väärtustele.

Nõue 4 - Ebatüüpiliste tulemuste tuvastamine (40 punkti)

Analüüsige ajaloolisi andmeid ajavahemikust 2014–2022 ja otsustage iga faili test.csv rea kohta, kas 2023. aasta vastav tulemus on:

• tavaline, või
• ebatüüpiline, mis kõrvale tavalisest käitumisest märkimisväärselt.

Otsuse tegemisel võite arvestada:

• vastava gümnaasiumi ajalugu,
• variatsioone aastast aastasse,
• erinevusi ainete vahel,
• võrdlust sarnaste gümnaasiumidega.

Lõplik tulemus iga rea kohta peab olema binaarne silt:

• 0 - tavaline tulemus
• 1 - ebatüüpiline tulemus

Esitamise formaat

Automaatseks hindamiseks peate üles laadima faili csv formaadis järgmise struktuuriga:

• id – rea identifikaator (vastav test.csv omale)
  • ülesande 1 jaoks kasutate id väärtust 1
  • ülesande 2 jaoks kasutate id väärtust 2
• subtaskID – nõude identifikaator:
  • 1 eelistatud aine tuvastamiseks (nõue 1)
  • 2 informaatika õitseaasta tuvastamiseks (nõue 2)
  • 3 keskmise hindamiseks (nõue 3)
  • 4 ebatüüpiliste tulemuste tuvastamiseks (nõue 4)
• answer – nõudele vastav vastus:
  • subtaskID = 1 jaoks: aine nimetus täpselt nii, nagu see andmestikus esineb
  • subtaskID = 2 jaoks: aasta
  • subtaskID = 3 jaoks: numbriline väärtus (keskmise hinnang)
  • subtaskID = 4 jaoks: 0 või 1

Hindamine

Nõudeid 1–2 hinnatakse täpselt (võrdlemise teel).

Nõuet 3 hinnatakse kasutades Mean Absolute Error (MAE).

Reeglid:

• MAE < 0.3 → maksimaalne punktisumma
• MAE > 1.0 → 0 punkti
• Nende kahe läve vaheliste väärtuste puhul antakse punktid proportsionaalselt.

Nõude 4 puhul antakse punktid järgmiste reeglite alusel:

• AUC ≥ 0.95 → 40 punkti
• AUC ≤ 0.70 → 0 punkti
• Nende vaheline intervall: proportsionaalne punktisumma

⬇️ Laadi alla Starter Kit