🏫 חיזוי המצב האקדמי של סטודנטים
עבור בעיה זו עליכם ליישם מודל סיווג המסוגל לחזות את המצב האקדמי של סטודנט (Target) באמצעות מערך נתונים זמין. מערך הנתונים מאורגן בקובץ CSV, וביצועי המודל יוערכו על בסיס F1-score.
🔹 מערך הנתונים
מערך הנתונים מכיל את העמודות הבאות:
- SampleID: מזהה ייחודי לכל סטודנט
- Marital status: מצב משפחתי של הסטודנט (Single, Married, Other)
- Application mode: אופן הגשת הבקשה (Online, In person, Other)
- Application order: סדר הגשת הבקשה (מספרי)
- Course: הקורס אליו נרשם הסטודנט
- Daytime/evening attendance: סוג הנוכחות (Daytime/Evening)
- Previous qualification: רמת ההשכלה הקודמת (High School, College)
- Nacionality: לאום הסטודנט
- Mother's qualification: רמת השכלת האם
- Father's qualification: רמת השכלת האב
- Mother's occupation: עיסוק האם
- Father's occupation: עיסוק האב
- Displaced: הסטודנט עקור/זר (Yes/No)
- Educational special needs: צרכים חינוכיים מיוחדים (Yes/No)
- Debtor: סטודנט חייב (Yes/No)
- Tuition fees up to date: שכר הלימוד שולם (Yes/No)
- Gender: מין הסטודנט (Male/Female)
- Scholarship holder: סטודנט עם מלגה (Yes/No)
- Age at enrollment: גיל בעת ההרשמה
- International: סטודנט בינלאומי (Yes/No)
- Curricular units 1st sem (credited): קורסים שזוכו בסמסטר הראשון
- Curricular units 1st sem (enrolled): קורסים שנרשמו בסמסטר הראשון
- Curricular units 1st sem (evaluations): הערכות שבוצעו בסמסטר הראשון
- Curricular units 1st sem (approved): קורסים שאושרו בסמסטר הראשון
- Curricular units 1st sem (grade): ציונים שהושגו בסמסטר הראשון
- Curricular units 1st sem (without evaluations): קורסים ללא הערכות בסמסטר הראשון
- Curricular units 2nd sem (credited): קורסים שזוכו בסמסטר השני
- Curricular units 2nd sem (enrolled): קורסים שנרשמו בסמסטר השני
- Curricular units 2nd sem (evaluations): הערכות שבוצעו בסמסטר השני
- Curricular units 2nd sem (approved): קורסים שאושרו בסמסטר השני
- Curricular units 2nd sem (grade): ציונים שהושגו בסמסטר השני
- Curricular units 2nd sem (without evaluations): קורסים ללא הערכות בסמסטר השני
- Unemployment rate: שיעור האבטלה באזור הסטודנט
- Inflation rate: שיעור האינפלציה
- GDP: התוצר הפנימי הגולמי (GDP)
- Target: המשתנה היעד, המצב האקדמי של הסטודנט (Dropout, Enrolled, Graduate)
📊 הערות על מערך הנתונים
- שדה היעד:
Target
- המודל צריך להיות מאומן על
train.csv ומוערך על test.csv
⚙️ קריטריוני הערכה
- ביצועים: F1-score גבוה ככל האפשר
📨 פורמט קובץ ההגשה
קובץ ההגשה צריך להיות CSV עם בדיוק שתי עמודות:
| עמודה | סוג | תיאור |
|---|
SampleID | integer | מייצג את המזהה הייחודי של השורה ממערך הבדיקה |
Target | String | חיזוי הקטגוריה עבור הסטודנט (Dropout, Enrolled, Graduate) |
🔹 דוגמאות
| SampleID | Target |
|---|
| 101 | Dropout |
| 102 | Enrolled |
| 103 | Graduate |
חשוב: כל שורה ב-CSV מייצגת חיזוי עבור סטודנט אחד מהבדיקה.
📝 הערה
הציון ניתן על בסיס F1-score שהושג על ידי המודל על מערך הבדיקה. כדי לקבל ציון מקסימלי, F1 צריך להיות לפחות 0.75, וערכים מתחת ל-0.5 יקבלו 0 נקודות, השאר יוקנו באופן יחסי.
🗂️ משאבים שימושיים
- Starter Kit – מכיל שלד שממנו תוכלו להתחיל לפתור את הבעיה
