🏫 სტუდენტების აკადემიური მდგომარეობის პროგნოზირება
ამ ამოცანისთვის უნდა განახორციელოთ კლასიფიკაციის მოდელი, რომელიც შეძლებს სტუდენტის აკადემიური მდგომარეობის (Target) პროგნოზირებას ხელმისაწვდომი მონაცემთა ნაკრების გამოყენებით. მონაცემთა ნაკრები ორგანიზებულია CSV ფაილში, ხოლო მოდელის შესრულება შეფასდება F1-score-ის საფუძველზე.
🔹 მონაცემთა ნაკრები
მონაცემთა ნაკრები შეიცავს შემდეგ სვეტებს:
- SampleID: თითოეული სტუდენტის უნიკალური იდენტიფიკატორი
- Marital status: სტუდენტის ოჯახური მდგომარეობა (Single, Married, Other)
- Application mode: განაცხადის რეჟიმი (Online, In person, Other)
- Application order: განაცხადის რიგითობა (რიცხვითი)
- Course: კურსი, რომელზეც ჩაირიცხა სტუდენტი
- Daytime/evening attendance: დასწრების ტიპი (Daytime/Evening)
- Previous qualification: წინა განათლების დონე (High School, College)
- Nacionality: სტუდენტის ეროვნება
- Mother's qualification: დედის განათლების დონე
- Father's qualification: მამის განათლების დონე
- Mother's occupation: დედის პროფესია
- Father's occupation: მამის პროფესია
- Displaced: სტუდენტი გადაადგილებული/უცხოელია (Yes/No)
- Educational special needs: განათლების სპეციალური საჭიროებები (Yes/No)
- Debtor: მოვალე სტუდენტი (Yes/No)
- Tuition fees up to date: გადასახადები გადახდილია (Yes/No)
- Gender: სტუდენტის სქესი (Male/Female)
- Scholarship holder: სტიპენდიანტი სტუდენტი (Yes/No)
- Age at enrollment: ასაკი ჩარიცხვისას
- International: საერთაშორისო სტუდენტი (Yes/No)
- Curricular units 1st sem (credited): კრედიტირებული კურსები პირველ სემესტრში
- Curricular units 1st sem (enrolled): ჩარიცხული კურსები პირველ სემესტრში
- Curricular units 1st sem (evaluations): ჩატარებული შეფასებები პირველ სემესტრში
- Curricular units 1st sem (approved): დამტკიცებული კურსები პირველ სემესტრში
- Curricular units 1st sem (grade): მიღებული ქულები პირველ სემესტრში
- Curricular units 1st sem (without evaluations): კურსები შეფასების გარეშე პირველ სემესტრში
- Curricular units 2nd sem (credited): კრედიტირებული კურსები მეორე სემესტრში
- Curricular units 2nd sem (enrolled): ჩარიცხული კურსები მეორე სემესტრში
- Curricular units 2nd sem (evaluations): ჩატარებული შეფასებები მეორე სემესტრში
- Curricular units 2nd sem (approved): დამტკიცებული კურსები მეორე სემესტრში
- Curricular units 2nd sem (grade): მიღებული ქულები მეორე სემესტრში
- Curricular units 2nd sem (without evaluations): კურსები შეფასების გარეშე მეორე სემესტრში
- Unemployment rate: უმუშევრობის მაჩვენებელი სტუდენტის რეგიონში
- Inflation rate: ინფლაციის მაჩვენებელი
- GDP: მთლიანი შიდა პროდუქტი (GDP)
- Target: სამიზნე ცვლადი, სტუდენტის აკადემიური მდგომარეობა (Dropout, Enrolled, Graduate)
📊 შენიშვნები მონაცემთა ნაკრების შესახებ
- სამიზნე ველი:
Target
- მოდელი უნდა ვარჯიშდებოდეს
train.csv-ზე და შეფასდეს test.csv-ზე
⚙️ შეფასების კრიტერიუმები
- შესრულება: რაც შეიძლება მაღალი F1-score
📨 წარდგენის ფაილის ფორმატი
წარდგენის ფაილი უნდა იყოს CSV ზუსტად ორი სვეტით:
| სვეტი | ტიპი | აღწერა |
|---|
SampleID | integer | წარმოადგენს ტესტის ნაკრებიდან სტრიქონის უნიკალურ იდენტიფიკატორს |
Target | String | კლასის პროგნოზი სტუდენტისთვის (Dropout, Enrolled, Graduate) |
🔹 მაგალითები
| SampleID | Target |
|---|
| 101 | Dropout |
| 102 | Enrolled |
| 103 | Graduate |
მნიშვნელოვანი: CSV-ის თითოეული სტრიქონი წარმოადგენს ტესტიდან ერთი სტუდენტის პროგნოზს.
📝 შენიშვნა
ქულა ენიჭება ტესტის ნაკრებზე მიღებული F1-score-ის საფუძველზე. მაქსიმალური ქულის მისაღებად, F1 უნდა იყოს მინიმუმ 0.75, ხოლო 0.5-ზე დაბალი მნიშვნელობები მიიღებს 0 ქულას, დანარჩენი კი მასშტაბირდება პროპორციულად.
🗂️ სასარგებლო რესურსები
- Starter Kit – შეიცავს ჩონჩხს, საიდანაც შეგიძლიათ დაიწყოთ ამოცანის გადაწყვეტა
