🚚 SmartCargo - אופטימיזציה של משלוחים ברומניה

חברת התחבורה "SmartCargo România" זקוקה לפתרונות חכמים כדי לשפר את ההערכות לגבי משך זמן המשלוחים. אתה המומחה החדש ב-data science של הצוות, והמשימה שלך היא לבנות מודלים מדויקים שיחזו את זמני המשלוח בין ערים ברומניה.

🎯 המטרה העיקרית שלך

עליך לנתח נתונים היסטוריים על נסיעות בין ערים ולהבין כיצד גורמים כמו מרחק, שעה ביום, מזג אוויר, תנועה או ניסיון הנהג משפיעים על משך הזמן הפועל של המשלוח.

המטרה שלך היא לבנות מודל Machine Learning המסוגל לחזות את הזמן המוערך לנסיעות חדשות.

---

📦 נתוני התחבורה

כל שורה בקבצים train_data.csv ו-test_data.csv מייצגת משלוח בין שתי ערים ברומניה.

כל משלוח מכיל את הפרטים הבאים:

עמודה	תיאור
ID	מזהה ייחודי של הנסיעה
City A	עיר המוצא (כטקסט)
City B	עיר היעד (כטקסט)
Distance	המרחק הממשי בין הערים (בקילומטרים)
Time of Day	רגע היום המבוטא בדקות מחצות כאשר יוצאת נסיעה (0 - 1439)
Weather	מזג האוויר במהלך הנסיעה (Clear, Rain, Snow, Fog)
Traffic	רמת התנועה בסקלה מספרית (0.0 - 1000.0), המקסימום משמעו הכי עמוס
Road Quality	איכות הכביש בסקלה מספרית (1 - 1000), המקסימום משמעו הכי איכותי
Driver Experience	רמת הניסיון של הנהג (1 - 40 שנים)
deliver_time	רק ב-train_data.csv: זמן המשלוח הממשי בדקות

---

🎯 המשימה שלך

המנהל התפעולי נתן לך את שתי המשימות החיוניות הבאות לשיפור הפעילות של "SmartCargo".

מערך הנתונים לחיזוי (test_data.csv) מכיל דגימות עם אותן מאפיינים כמו מערך האימון, אך ללא העמודה predicted_time.

המודל שלכם יפיק חיזויים עבור הדגימות הללו.

תת-משימות

• משימה 1 (20p): המצב בבירלאד: לקוח חשוב מבירלאד דיווח על עיכובים תכופים בנסיעות בתנאי ערפל. המנהל רוצה לדעת כמה נסיעות יוצאות מבירלאד ובמזג אוויר של ערפל (Fog) במערך הנתונים לחיזוי. מצא ודווח על מספר הנסיעות הללו.
• משימה 2: הערכת זמנים לנסיעות לא ידועות: למנהל יש רשימה של נסיעות חדשות שהוא לא יודע את זמני הנסיעה שלהן. עליך להשתמש בנתונים ההיסטוריים (ממערך האימון) כדי לאמן מודלי חיזוי ואז להעריך את זמני המשלוח לכל הנסיעות במערך הנתונים לחיזוי.

פורמט פלט

קובץ csv output.csv שיכלול את 3 העמודות הבאות:

• subtaskID - מייצג את מספר תת-המשימה (1, 2)
• datapointID - שמתייחס לעמודה ID מ-test_data.csv
• answer - התשובה המתאימה לנקודת הנתונים עבור תת-המשימה המתאימה

הערה: עבור תת-משימה 1, שבה נדרשת תשובה אחת לכל מערך הנתונים, הציגו שורה אחת שה-datapointID שלה יהיה 1.

שלחו csv אחד שיכיל את התשובות לכל תת-המשימות שפתרתם. כדי לראות דוגמה, הורידו את הקובץ sample_output.csv (הערה: זה, למרות שבפורמט הנכון, מקבל 0 נקודות בהגשה).

ציון

הציונים לתת-משימות יחושבו כדלקמן:

• תת-משימה 1: תשובה שלמה, תקבלו 20 נקודות רק אם היא נכונה.
• תת-משימה 2: בהתאם לביצועי המודל שלכם, באמצעות המטריקה MAE (Mean Absolute Error) על מערך נתוני הבדיקה. תוכלו למצוא את הדרך המדויקת לחישוב הציון המבוסס על MAE ב-Starter Kit.

👉 📦 הורד Starter Kit OJIA 2025