Rezidenčijski ispit

🩺 Ispit za Specijalizaciju 🤖📘

Svake godine, tisuće diplomiranih studenata medicine pripremaju se za najteži trenutak svoje karijere: Ispit za Specijalizaciju. Mjesecima, budući liječnici pamte, ponavljaju i rješavaju stotine pitanja s ponuđenim odgovorima.

Ali ove godine, Središnja komisija odlučila je uvesti veliku inovaciju: automatizirani sustav koji provjerava i ocjenjuje odgovore koristeći strojno učenje.
Nažalost, prototip sustava počeo je davati greške, a komisija treba tvoju pomoć da ga popravi.

Na raspolaganju su ti dvije datoteke:

• train.csv - službena pitanja s točnim odgovorom
• test.csv - nova pitanja za koja trebaš predvidjeti točnu varijantu (iz njih će biti odabrana pitanja za ispit za specijalizaciju 😅)

Tvoj cilj je rekonstruirati mehanizam automatskog ocjenjivanja.

📊 Skup podataka

Svaki red predstavlja pitanje s ponuđenim odgovorima s ispita:

• SampleID – jedinstveni identifikator pitanja
• Question – tekst pitanja
• Option0, Option1, Option2, Option3 – četiri varijante odgovora
• Answer – samo u train.csv (0–3), označava točnu varijantu

📝 Zadatak (100 bodova)

Izgradi model strojnog učenja sposoban predvidjeti, za svako pitanje iz test.csv, koja od četiri varijante (0–3) je točan odgovor.

Tvoj model će biti ocijenjen koristeći točnost:

• Accuracy ≥ 70% → 100 bodova
• Accuracy ≤ 25% → 0 bodova
• Za međuvrijednosti dodjeljuje se proporcionalni broj bodova.

Dozvoljena je bilo koja metoda: klasični ML algoritmi, embeddings, jezični modeli, medicinski BERT itd.

📄 Format datoteke za predaju

Datoteka submission.csv mora sadržavati jedan red za svako pitanje iz test skupa.

Prvi red datoteke sadrži sljedeće:

1DatapointID, PredictedAnswer

gdje:

• DatapointID - SampleID iz test skupa
• PredictedAnswer - broj između 0 i 3 (točna varijanta predviđena modelom)

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

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