Erikoislääkärikoe

🩺 Lääketieteellinen erikoislääkärikoe 🤖📘

Joka vuosi tuhannet lääketieteen valmistuneet valmistautuvat uransa vaikeimpaan hetkeen: lääketieteelliseen erikoislääkärikokeeseen. Kuukausien ajan tulevat lääkärit ulkoa opettelevat, kertaavat ja ratkaisevat satoja monivalintakysymyksiä.

Mutta tänä vuonna keskuskomissio on päättänyt ottaa käyttöön merkittävän innovaation: automatisoidun alustan, joka tarkistaa ja arvioi vastaukset koneoppimisen avulla.
Valitettavasti järjestelmän prototyyppi on alkanut antaa virheitä, ja komissio tarvitsee apuasi sen korjaamiseen.

Käytettävissäsi on kaksi tiedostoa:

• train.csv - viralliset kysymykset oikeilla vastauksilla
• test.csv - uudet kysymykset, joille sinun tulee ennustaa oikea vaihtoehto (näistä valitaan kysymykset erikoislääkärikokeeseen 😅)

Tavoitteesi on rakentaa uudelleen automaattinen tarkistusmekanismi.

📊 Tietojoukko

Jokainen rivi edustaa kokeessa olevaa monivalintakysymystä:

• SampleID – kysymyksen yksilöllinen tunniste
• Question – kysymyksen teksti
• Option0, Option1, Option2, Option3 – neljä vastausvaihtoehtoa
• Answer – vain train.csv:ssä (0–3), osoittaa oikean vaihtoehdon

📝 Työtehtävä (100 pistettä)

Rakenna koneoppimismalli, joka kykenee ennustamaan jokaiselle test.csv:n kysymykselle, mikä neljästä vaihtoehdosta (0–3) on oikea vastaus.

Malliasi arvioidaan tarkkuuden perusteella:

• Tarkkuus ≥ 70% → 100 pistettä
• Tarkkuus ≤ 25% → 0 pistettä
• Väliarvoille annetaan suhteellinen pistemäärä.

Mikä tahansa menetelmä on sallittu: klassiset ML-algoritmit, embeddings, kielimallit, lääketieteellinen BERT jne.

📄 Palautustiedoston muoto

Tiedoston submission.csv tulee sisältää yksi rivi jokaiselle testin kysymykselle.

Tiedoston ensimmäinen rivi sisältää seuraavat:

1DatapointID, PredictedAnswer

missä:

• DatapointID - SampleID testistä
• PredictedAnswer - numero väliltä 0–3 (mallin ennustama oikea vaihtoehto)

Esimerkki (SampleID = 84f328d3-fca4-422d-8fb2-19d55eb31503):

184f328d3-fca4-422d-8fb2-19d55eb31503, 2