Ammissione a un liceo d'élite - Simulazione OJIA 3 (v1)

🎓 Ammissione a un liceo d'élite

Un passo estremamente importante nell'evoluzione personale di ogni studente è l'ammissione a un liceo prestigioso, d'élite.
Sviluppate un modello che predice se, sulla base di diversi risultati, il candidato sarà ammesso a un liceo d'élite (status_admitere = 1) o respinto (status_admitere = 0).
Allenerete il modello utilizzando il set di dati di addestramento train_data.csv e poi genererete predizioni utilizzando il set di dati test_data.csv.

🗂️ Descrizione del set di dati

Il Set di Dati per l'Addestramento (train.csv) contiene le seguenti colonne:

• id (numero naturale): identificatore unico del candidato
• gen (M/F): genere del candidato
• judet (stringa di 2 caratteri): provincia del candidato
• NT (1.00-10.00): voto al test di ammissione
• MEV (6.00-10.00): media alla valutazione nazionale
• MATE (5.00-10.00): media delle medie inferiori in matematica
• MGIM (5.00-10.00): media generale delle medie inferiori
• status_admitere (0 o 1): 1 = ammesso, 0 = respinto

Il Set di Dati per la Predizione (test.csv):

• 180 campioni con le stesse caratteristiche (id, gen, judet, NT, MEV, MATE, MGIM) del set di addestramento, senza la colonna status_admitere.
• Il vostro modello genererà predizioni per questi campioni.

📊 Risultato atteso

Il file di sottomissione output.csv deve contenere esattamente tre colonne: subtaskID, datapointID, answer.

Importante: Ogni riga nel CSV rappresenta la risposta per un singolo subtask e un singolo datapoint. Per ogni datapointID deve esistere una riga per ogni subtask.

🏆 Punteggio

L'invio del file sample_output.csv genera 5 punti.

⚙️ Osservazioni

• Eliminate le colonne irrilevanti per la predizione.
• Standardizzate le colonne numeriche.
• Non esistono righe incomplete.
• Consultate la sezione Starter Kit per dettagli orientativi sul formato dei dati e sulla sottomissione.

🗂️ Risorse utili

• Starter Kit completo – contiene uno scheletro da cui potete iniziare la risoluzione del problema