BAC pod povećalom

Kontekst

Tijekom godina, rezultati mature pružaju detaljnu sliku o performansama gimnazija u Rumunjskoj. Analizirajući povijesne podatke kroz više godina, možemo otkriti trendove, evoluciju školskih performansi i, ponekad, rezultate koji odstupaju od uobičajenih.

U ovom kontekstu, cilj ovog problema je statistički analizirati performanse gimnazija na maturi, konstruirati prediktivne modele i identificirati atipične rezultate koristeći metode strojnog učenja.

Opis podataka

Za rješavanje zahtjeva ovog problema imate pristup strukturiranom skupu podataka u obliku dvaju csv datoteka: train.csv i test.csv. Ovaj skup podataka sadrži agregirane rezultate gimnazija na različitim ispitima mature, za period 2014–2023.

Svaki red u skupu podataka (bez obzira radi li se o skupu za treniranje ili testiranje) predstavlja rezultate jedne gimnazije, za jedan predmet, u jednoj godini.

Dostupni stupci:

• id – jedinstveni identifikator reda
• an – godina ispita
• liceu – naziv gimnazije
• judet – županija u kojoj se nalazi gimnazija
• materie – predmet mature
• medie – prosjek ocjena koje su učenici gimnazije postigli na tom predmetu
• procent_reusita – postotak učenika koji su prošli ispit
• numar_candidati – broj kandidata
• preferinta_materie – postotak učenika koji su odabrali taj predmet
• anomalie - može imati vrijednost 0 ako se ne smatra abnormalnom situacijom ili vrijednost 1 ako je situacija neobična.

Napomena: Za svaku gimnaziju imamo i neke opće statistike. Za te, u stupcu materie nalazimo vrijednost GENERAL.

Datoteka train.csv sadrži statistike iz perioda 2014-2022, a datoteka test.csv sadrži podatke za godinu 2023, ali stupci medie i anomalie nisu dostupni.

Zahtjevi

Zahtjev 1 - Identificiranje omiljenog predmeta (10 bodova)

Identificirajte koji je predmet imao najveću preferenciju u godini 2023 na COLEGIUL NATIONAL "UNIREA" FOCSANI, ako isključimo predmet LIMBA ROMANA koji je bio obavezan za sve kandidate.

Zahtjev 2 - Identificiranje uspješne godine za informatiku (10 bodova)

Identificirajte u kojoj godini iz perioda 2014-2022 je predmet INFORMATICA MI C-C++ imao najveću popularnost na COLEGIUL NATIONAL "UNIREA" FOCSANI. Smatramo da je popularnost dana postotkom iz stupca preferinta_materie (što je veći taj postotak, to ćemo smatrati da je predmet bio popularniji).

Zahtjev 3 - Procjena performansi gimnazija (40 bodova)

Koristeći informacije dostupne u datoteci train.csv, procijenite vrijednost postignute srednje vrijednosti za svaki red u datoteci test.csv (godina 2023).

Za ovaj zahtjev možete koristiti bilo koju metodu statističke analize ili modeliranja temeljenu na povijesnim podacima, uzimajući u obzir:

• analizirani predmet,
• povijest gimnazije,
• evoluciju rezultata kroz vrijeme,
• opći kontekst performansi na razini županije ili nacionalnoj.

Cilj je dobivanje procjena što bližih stvarnim vrijednostima.

Zahtjev 4 - Identificiranje atipičnih rezultata (40 bodova)

Analizirajte povijesne podatke iz perioda 2014–2022 i odlučite, za svaki red u datoteci test.csv, je li odgovarajući rezultat za godinu 2023:

• normalan, ili
• atipičan, koji se značajno odstupa od uobičajenog ponašanja.

U donošenju odluke možete uzeti u obzir:

• povijest odgovarajuće gimnazije,
• varijacije iz godine u godinu,
• razlike između predmeta,
• usporedbu s drugim sličnim gimnazijama.

Konačni rezultat za svaki red mora biti binarna etiketa:

• 0 - normalan rezultat
• 1 - atipičan rezultat

Format predaje

Za automatsku evaluaciju trebate učitati datoteku u csv formatu sa sljedećom strukturom:

• id – identifikator reda (odgovarajući onome iz test.csv)
  • za zadatak 1, koristit ćete vrijednost 1 za id
  • za zadatak 2, koristit ćete vrijednost 2 za id
• subtaskID – identifikator zahtjeva:
  • 1 za identificiranje omiljenog predmeta (zahtjev 1)
  • 2 za identificiranje uspješne godine za informatiku (zahtjev 2)
  • 3 za procjenu srednje vrijednosti (zahtjev 3)
  • 4 za identificiranje atipičnih rezultata (zahtjev 4)
• answer – odgovor odgovarajući zahtjevu:
  • za subtaskID = 1: naziv predmeta točno kako se pojavljuje u skupu podataka
  • za subtaskID = 2: godina
  • za subtaskID = 3: numerička vrijednost (procjena srednje vrijednosti)
  • za subtaskID = 4: 0 ili 1

Evaluacija

Za zahtjeve 1–2 evaluacija se vrši točno (usporedbom).

Za zahtjev 3 evaluacija se vrši koristeći Mean Absolute Error (MAE).

Pravila:

• MAE < 0.3 → maksimalni broj bodova
• MAE > 1.0 → 0 bodova
• Za vrijednosti između ova dva praga, bodovi se dodjeljuju proporcionalno.

Za zahtjev 4, bodovi se dodjeljuju prema sljedećim pravilima:

• AUC ≥ 0.95 → 40 bodova
• AUC ≤ 0.70 → 0 bodova
• Interval između njih: proporcionalni bodovi

⬇️ Preuzmi Starter Kit