Predicția scorului la examen - Simulare OJIA 3

🏫 Predicția scorului la examen

Pentru această problemă trebuie să implementați un model de regresie capabil să prezică scorul obținut la examen (Exam_Score) utilizând un set de date disponibil. Setul de date este organizat într-un fișier CSV, iar performanța modelului se va evalua pe baza Mean Absolute Error (MAE).

🔹 Setul de date

Setul de date conține următoarele coloane:

• ID: Număr unic de identificare al studentului
• Hours_Studied: Numărul de ore petrecute studiind
• Attendance: Procentul de prezență la cursuri
• Parental_Involvement: Nivelul de implicare al părinților (Low, Medium, High)
• Access_to_Resources: Accesul la resurse educaționale (Low, Medium, High)
• Extracurricular_Activities: Participarea la activități extracurriculare (Yes/No)
• Sleep_Hours: Numărul mediu de ore de somn pe noapte
• Previous_Scores: Scorurile obținute anterior la examene
• Motivation_Level: Nivelul de motivație (Low, Medium, High)
• Internet_Access: Accesul la internet pentru studiu (Yes/No)
• Tutoring_Sessions: Numărul de sesiuni de meditații
• Family_Income: Venitul familiei (Low, Medium, High)
• Teacher_Quality: Calitatea profesorilor percepută de elev (Low, Medium, High)
• School_Type: Tipul de școală (Public/Private)
• Peer_Influence: Influența colegilor asupra elevului (Negative, Neutral, Positive)
• Physical_Activity: Numărul de ore de activitate fizică săptămânal
• Learning_Disabilities: Prezența dificultăților de învățare (Yes/No)
• Parental_Education_Level: Nivelul de educație al părinților (High School, College, Postgraduate)
• Distance_from_Home: Distanța dintre casă și școală (Near, Moderate, Far)
• Gender: Genul elevului (Male/Female)
• Exam_Score: Variabila țintă, scorul obținut la examen (valoare numerică)

📚 Task-uri

Subtask 1 (10 puncte)

Calculați media valorilor din coloana Hours_Studied pe setul de antrenare. Pentru fiecare student din test, determinați modulul diferenței dintre Hours_Studied și media calculată.

Subtask 2 (10 puncte)

Determinați pentru fiecare student din test dacă acesta doarme puțin (<7 ore). Rezultatul va fi True sau False.

Subtask 3 (10 puncte)

Numărați câți studenți din setul de antrenare au avut un scor anterior (Previous_Scores) mai mare sau egal cu al fiecărui student din test.

Subtask 4 (10 puncte)

Determinați numărul de studenți din antrenare cu același nivel de motivație (Motivation_Level) ca fiecare student din test.

Subtask 5 (60 puncte)

Construiți un model de regresie pentru a prezice Exam_Score pe baza caracteristicilor furnizate. Modelul trebuie să generalizeze pe date noi și va fi evaluat cu MAE.

📊 Note despre setul de date

• Câmpul-țintă: Exam_Score
• Modelul trebuie antrenat pe train_data.csv și evaluat pe test_data.csv
• Se recomandă verificarea valorilor lipsă și normalizarea caracteristicilor.

⚙️ Criterii de evaluare

• Performanță: MAE cât mai mic

📨 Formatul fișierului de submisie

Fișierul de submisie trebuie să fie un CSV cu exact trei coloane:

🔹 Exemple

Important: Fiecare rând din CSV reprezintă răspunsul pentru un singur subtask și un singur datapoint. Pentru fiecare datapointID trebuie să existe câte un rând pentru fiecare subtask.

📝 Notă

Trimiterea unui sample_output generează 6 puncte.

🗂️ Resurse utile

• Starter Kit complet – conține un schelet de la care puteți porni rezolvarea problemei