Predição da pontuação no exame - Simulação OJIA 3

🏫 Predição da pontuação no exame

Para este problema você deve implementar um modelo de regressão capaz de prever a pontuação obtida no exame (Exam_Score) utilizando um conjunto de dados disponível. O conjunto de dados está organizado em um arquivo CSV, e o desempenho do modelo será avaliado com base no Mean Absolute Error (MAE).

---

🔹 Conjunto de dados

O conjunto de dados contém as seguintes colunas:

• ID: Número único de identificação do estudante
• Hours_Studied: Número de horas dedicadas ao estudo
• Attendance: Percentual de presença nas aulas
• Parental_Involvement: Nível de envolvimento dos pais (Low, Medium, High)
• Access_to_Resources: Acesso a recursos educacionais (Low, Medium, High)
• Extracurricular_Activities: Participação em atividades extracurriculares (Yes/No)
• Sleep_Hours: Número médio de horas de sono por noite
• Previous_Scores: Pontuações obtidas anteriormente em exames
• Motivation_Level: Nível de motivação (Low, Medium, High)
• Internet_Access: Acesso à internet para estudo (Yes/No)
• Tutoring_Sessions: Número de sessões de tutoria
• Family_Income: Renda familiar (Low, Medium, High)
• Teacher_Quality: Qualidade dos professores percebida pelo aluno (Low, Medium, High)
• School_Type: Tipo de escola (Public/Private)
• Peer_Influence: Influência dos colegas sobre o aluno (Negative, Neutral, Positive)
• Physical_Activity: Número de horas de atividade física semanal
• Learning_Disabilities: Presença de dificuldades de aprendizagem (Yes/No)
• Parental_Education_Level: Nível de educação dos pais (High School, College, Postgraduate)
• Distance_from_Home: Distância entre casa e escola (Near, Moderate, Far)
• Gender: Gênero do aluno (Male/Female)
• Exam_Score: Variável alvo, pontuação obtida no exame (valor numérico)

---

📚 Tarefas

Subtask 1 (10 pontos)

Calcule a média dos valores da coluna Hours_Studied no conjunto de treinamento. Para cada estudante do teste, determine o módulo da diferença entre Hours_Studied e a média calculada.

Subtask 2 (10 pontos)

Determine para cada estudante do teste se este dorme pouco (<7 horas). O resultado será True ou False.

Subtask 3 (10 pontos)

Conte quantos estudantes do conjunto de treinamento tiveram uma pontuação anterior (Previous_Scores) maior ou igual à de cada estudante do teste.

Subtask 4 (10 pontos)

Determine o número de estudantes do treinamento com o mesmo nível de motivação (Motivation_Level) que cada estudante do teste.

Subtask 5 (60 pontos)

Construa um modelo de regressão para prever Exam_Score com base nas características fornecidas. O modelo deve generalizar para dados novos e será avaliado com MAE.

---

📊 Notas sobre o conjunto de dados

• Campo alvo: Exam_Score
• O modelo deve ser treinado em train_data.csv e avaliado em test_data.csv
• Recomenda-se verificar valores ausentes e normalizar as características.

---

⚙️ Critérios de avaliação

• Desempenho: MAE o menor possível

---

📨 Formato do arquivo de submissão

O arquivo de submissão deve ser um CSV com exatamente três colunas:

Coluna	Tipo	Descrição
subtaskID	integer	Representa o ID da subtask (de 1 a 5).
datapointID	integer/string	Representa o identificador único da linha do conjunto de teste (ID).
answer	float / int / bool	Resposta para a subtask respectiva. O tipo do valor depende da subtask: • Subtask 1: float • Subtask 2: boolean • Subtask 3: integer • Subtask 4: integer • Subtask 5: float (predições do modelo)

🔹 Exemplos

subtaskID	datapointID	answer
1	101	12.5
2	101	True
3	101	7
4	101	3
5	101	85.3

Importante: Cada linha do CSV representa a resposta para uma única subtask e um único datapoint. Para cada datapointID deve existir uma linha para cada subtask.

---

📝 Nota

O envio de um sample_output gera 6 pontos.

🗂️ Recursos úteis

• Starter Kit completo – contém um esqueleto a partir do qual você pode começar a resolver o problema