חיזוי ציון הבחינה - סימולציה OJIA 3

🏫 חיזוי ציון הבחינה

עבור בעיה זו עליכם ליישם מודל רגרסיה המסוגל לחזות את הציון שהושג בבחינה (Exam_Score) באמצעות מערך נתונים זמין. מערך הנתונים מאורגן בקובץ CSV, וביצועי המודל יוערכו על בסיס Mean Absolute Error (MAE).

---

🔹 מערך הנתונים

מערך הנתונים מכיל את העמודות הבאות:

• ID: מספר זיהוי ייחודי של הסטודנט
• Hours_Studied: מספר השעות שהושקעו בלמידה
• Attendance: אחוז הנוכחות בשיעורים
• Parental_Involvement: רמת המעורבות של ההורים (Low, Medium, High)
• Access_to_Resources: הגישה למשאבים חינוכיים (Low, Medium, High)
• Extracurricular_Activities: השתתפות בפעילויות חוץ-לימודיות (Yes/No)
• Sleep_Hours: מספר השעות הממוצע של שינה בלילה
• Previous_Scores: הציונים שהושגו בעבר בבחינות
• Motivation_Level: רמת המוטיבציה (Low, Medium, High)
• Internet_Access: גישה לאינטרנט ללמידה (Yes/No)
• Tutoring_Sessions: מספר מפגשי השיעורים הפרטיים
• Family_Income: הכנסת המשפחה (Low, Medium, High)
• Teacher_Quality: איכות המורים כפי שנתפסת על ידי התלמיד (Low, Medium, High)
• School_Type: סוג בית הספר (Public/Private)
• Peer_Influence: השפעת החברים על התלמיד (Negative, Neutral, Positive)
• Physical_Activity: מספר שעות הפעילות הגופנית השבועית
• Learning_Disabilities: נוכחות קשיי למידה (Yes/No)
• Parental_Education_Level: רמת החינוך של ההורים (High School, College, Postgraduate)
• Distance_from_Home: המרחק בין הבית לבית הספר (Near, Moderate, Far)
• Gender: מין התלמיד (Male/Female)
• Exam_Score: המשתנה המטרה, הציון שהושג בבחינה (ערך מספרי)

---

📚 משימות

תת-משימה 1 (10 נקודות)

חשבו את הממוצע של הערכים בעמודה Hours_Studied על מערך האימון. עבור כל סטודנט במבחן, קבעו את הערך המוחלט של ההפרש בין Hours_Studied לממוצע שחושב.

תת-משימה 2 (10 נקודות)

קבעו עבור כל סטודנט במבחן האם הוא ישן מעט (פחות מ-7 שעות). התוצאה תהיה True או False.

תת-משימה 3 (10 נקודות)

ספרו כמה סטודנטים ממערך האימון היה להם ציון קודם (Previous_Scores) גדול או שווה לזה של כל סטודנט במבחן.

תת-משימה 4 (10 נקודות)

קבעו את מספר הסטודנטים מהאימון עם אותה רמת מוטיבציה (Motivation_Level) כמו כל סטודנט במבחן.

תת-משימה 5 (60 נקודות)

בנו מודל רגרסיה לחיזוי Exam_Score על בסיס המאפיינים שסופקו. המודל צריך להכליל על נתונים חדשים ויוערך עם MAE.

---

📊 הערות על מערך הנתונים

• שדה המטרה: Exam_Score
• המודל צריך להיות מאומן על train_data.csv ולהיות מוערך על test_data.csv
• מומלץ לבדוק ערכים חסרים ולנרמל את המאפיינים.

---

⚙️ קריטריוני הערכה

• ביצועים: MAE נמוך ככל האפשר

---

📨 פורמט קובץ ההגשה

קובץ ההגשה צריך להיות CSV עם בדיוק שלוש עמודות:

עמודה	סוג	תיאור
subtaskID	integer	מייצג את מזהה תת-המשימה (מ-1 עד 5).
datapointID	integer/string	מייצג את המזהה הייחודי של השורה ממערך המבחן (ID).
answer	float / int / bool	התשובה לתת-המשימה המתאימה. סוג הערך תלוי בתת-המשימה: • תת-משימה 1: float • תת-משימה 2: boolean • תת-משימה 3: integer • תת-משימה 4: integer • תת-משימה 5: float (תחזיות המודל)

🔹 דוגמאות

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

חשוב: כל שורה ב-CSV מייצגת תשובה לתת-משימה אחת ונקודת נתונים אחת. עבור כל datapointID צריכה להיות שורה אחת לכל תת-משימה.

---

📝 הערה

הגשת sample_output מייצרת 6 נקודות.

🗂️ משאבים שימושיים

• Starter Kit מלא – מכיל שלד שממנו תוכלו להתחיל לפתור את הבעיה