BAC po lupa

Kontekstas

Per metus Bakalaureato egzamino rezultatai atskleidžia detalų Rumunijos gimnazijų veiklos vaizdą. Analizuodami istorinius duomenis per kelerius metus, galime atrasti tendencijas, mokyklų veiklos raidą ir kartais rezultatus, kurie išsiskiria iš bendro fono.

Šiame kontekste šios problemos tikslas yra statistiškai analizuoti gimnazijų veiklą Bakalaureato egzamine, sukurti prognozės modelius ir identifikuoti atipinius rezultatus naudojant mašininio mokymosi metodus.

Duomenų aprašymas

Šios problemos reikalavimams spręsti turite prieigą prie duomenų rinkinio, sudaryto iš dviejų csv failų: train.csv ir test.csv. Šis duomenų rinkinys apima suvestinius gimnazijų rezultatus skirtingose Bakalaureato egzamino dalyse 2014–2023 metų laikotarpiu.

Kiekviena duomenų rinkinio eilutė (nesvarbu, ar tai mokymo, ar testavimo rinkinys) atstovauja gimnazijos rezultatams dalyko metais.

Prieinami stulpeliai:

• id – unikalus eilutės identifikatorius
• an – egzamino metai
• liceu – gimnazijos pavadinimas
• judet – apskritis, kurioje yra gimnazija
• materie – Bakalaureato dalykas
• medie – gimnazijos mokinių pažymių vidurkis atitinkamame dalyke
• procent_reusita – mokinių, išlaikusiųjų egzaminą, procentas
• numar_candidati – kandidatų skaičius
• preferinta_materie – mokinių, pasirinkusių atitinkamą dalyką, procentas
• anomalie - gali turėti reikšmę 0, jei tai nelaikoma nenormalia situacija, arba reikšmę 1, jei situacija yra neįprasta.

Pastaba: Kiekvienai gimnazijai turime ir bendrąją statistiką. Tokiais atvejais stulpelyje materie randame reikšmę GENERAL.

Failas train.csv apima statistiką iš 2014-2022 metų laikotarpio, o failas test.csv apima 2023 metų duomenis, tačiau stulpeliai medie ir anomalie nėra prieinami.

Reikalavimai

1 reikalavimas - Mėgstamiausio dalyko identifikavimas (10 taškų)

Identifikuokite, kuris dalykas turėjo didžiausią populiarumą 2023 metais COLEGIUL NATIONAL "UNIREA" FOCSANI gimnazijoje, jei neįskaitome dalyko LIMBA ROMANA, kuris buvo privalomas visiems kandidatams.

2 reikalavimas - Sėkmingų informatikos metų identifikavimas (10 taškų)

Identifikuokite, kuriais 2014-2022 metų laikotarpio metais dalykas INFORMATICA MI C-C++ turėjo didžiausią populiarumą COLEGIUL NATIONAL "UNIREA" FOCSANI gimnazijoje. Laikome, kad populiarumą nusako procentas iš stulpelio preferinta_materie (kuo šis procentas didesnis, tuo labiau laikysime, kad dalykas buvo populiaresnis).

3 reikalavimas - Gimnazijų veiklos įvertinimas (40 taškų)

Naudodami informaciją iš failo train.csv, įvertinkite gautą vidurkį kiekvienai eilutei iš failo test.csv (2023 metai).

Šiam reikalavimui galite naudoti bet kokį statistinės analizės ar modeliavimo metodą, pagrįstą istoriniais duomenimis, atsižvelgdami į:

• analizuojamą dalyką,
• gimnazijos istoriją,
• rezultatų raidą laike,
• bendrą veiklos kontekstą apskrities ar nacionaliniu lygmeniu.

Tikslas yra gauti įvertinimus, kurie būtų kuo artimesni tikrosioms reikšmėms.

4 reikalavimas - Atipinių rezultatų identifikavimas (40 taškų)

Analizuokite istorinius duomenis iš 2014–2022 metų laikotarpio ir nuspręskite kiekvienai eilutei iš failo test.csv, ar atitinkamas 2023 metų rezultatas yra:

• normalus, ar
• atipinis, kuris reikšmingai nukrypsta nuo įprasto elgesio.

Sprendimą priimdami galite atsižvelgti į:

• atitinkamos gimnazijos istoriją,
• svyravimus iš metų į metus,
• skirtumus tarp dalykų,
• palyginimą su panašiomis gimnazijomis.

Galutinis kiekvienos eilutės rezultatas turi būti dvejetainė etiketė:

• 0 - normalus rezultatas
• 1 - atipinis rezultatas

Pateikimo formatas

Automatiniam vertinimui turite įkelti failą csv formatu su tokia struktūra:

• id – eilutės identifikatorius (atitinkantis tą, kuris yra test.csv)
  • 1 užduočiai naudosite reikšmę 1 id
  • 2 užduočiai naudosite reikšmę 2 id
• subtaskID – reikalavimo identifikatorius:
  • 1 mėgstamiausio dalyko identifikavimui (1 reikalavimas)
  • 2 sėkmingų informatikos metų identifikavimui (2 reikalavimas)
  • 3 vidurkio įvertinimui (3 reikalavimas)
  • 4 atipinių rezultatų identifikavimui (4 reikalavimas)
• answer – atsakymas, atitinkantis reikalavimą:
  • subtaskID = 1: dalyko pavadinimas tiksliai taip, kaip jis pateiktas duomenų rinkinyje
  • subtaskID = 2: metai
  • subtaskID = 3: skaitinė reikšmė (vidurkio įvertinimas)
  • subtaskID = 4: 0 arba 1

Vertinimas

1–2 reikalavimai vertinami tiksliai (palyginant).

3 reikalavimas vertinamas naudojant vidutinę absoliučią paklaidą (MAE).

Taisyklės:

• MAE < 0.3 → maksimalus įvertis
• MAE > 1.0 → 0 taškų
• Reikšmėms tarp šių dviejų slenkščių taškai skiriami proporcingai.

4 reikalavimui taškai skiriami pagal šias taisykles:

• AUC ≥ 0.95 → 40 taškų
• AUC ≤ 0.70 → 0 taškų
• Intervalas tarp jų: proporcingas įvertis

⬇️ Atsisiųsti Starter Kit