BAC pod lupom

Kontekst

Tokom godina, rezultati na završnom ispitu pružaju detaljnu sliku o performansama gimnazija u Rumuniji. Analizirajući istorijske podatke kroz više godina, možemo otkriti trendove, evoluciju školskih performansi i, ponekad, rezultate koji odstupaju od uobičajenih.

U ovom kontekstu, cilj ovog problema je da se statistički analiziraju performanse gimnazija na završnom ispitu, da se izgrade prediktivni modeli i da se identifikuju atipični rezultati koristeći metode mašinskog učenja.

Opis podataka

Za rešavanje zahteva ovog problema imate pristup strukturiranom skupu podataka u obliku dva csv fajla: train.csv i test.csv. Ovaj skup podataka sadrži agregirane rezultate gimnazija na različitim ispitima završnog ispita, za period 2014–2023.

Svaki red u skupu podataka (bez obzira da li se radi o skupu za obuku ili za testiranje) predstavlja rezultate jedne gimnazije, za jedan predmet, u jednoj godini.

Dostupne kolone:

• id – jedinstveni identifikator reda
• an – godina ispita
• liceu – naziv gimnazije
• judet – okrug u kome se nalazi gimnazija
• materie – disciplina završnog ispita
• medie – prosek ocena koje su učenici gimnazije dobili na odgovarajućoj disciplini
• procent_reusita – procenat učenika koji su položili ispit
• numar_candidati – broj kandidata
• preferinta_materie – procenat učenika koji su izabrali odgovarajuću disciplinu
• anomalie - može imati vrednost 0 ako se ne smatra abnormalnom situacijom ili vrednost 1 ako je situacija neobična.

Napomena: Za svaku gimnaziju imamo i neke opšte statistike. Za njih, u koloni materie nalazimo vrednost GENERAL.

Fajl train.csv sadrži statistike iz perioda 2014-2022, a fajl test.csv sadrži podatke za godinu 2023, ali kolone medie i anomalie nisu dostupne.

Zahtevi

Zahtev 1 - Identifikacija omiljenog predmeta (10 poena)

Identifikujte koji je bio predmet sa najvećom preferencom u godini 2023 na COLEGIUL NATIONAL "UNIREA" FOCSANI, ako isključimo predmet LIMBA ROMANA koji je bio obavezan za sve kandidate.

Zahtev 2 - Identifikacija prosperitetne godine za Informatiku (10 poena)

Identifikujte u kojoj godini iz perioda 2014-2022 je predmet INFORMATICA MI C-C++ imao najveću popularnost na COLEGIUL NATIONAL "UNIREA" FOCSANI. Smatramo da je popularnost data procentom iz kolone preferinta_materie (što je ovaj procenat veći, to ćemo smatrati da je predmet bio popularniji).

Zahtev 3 - Procena performansi gimnazija (40 poena)

Koristeći informacije dostupne u fajlu train.csv, procenite vrednost dobijenog proseka za svaki red iz fajla test.csv (godina 2023).

Za ovaj zahtev možete koristiti bilo koju metodu statističke analize ili modelovanja zasnovanu na istorijskim podacima, uzimajući u obzir:

• analizirani predmet,
• istorijat gimnazije,
• evoluciju rezultata kroz vreme,
• opšti kontekst performansi na nivou okruga ili nacionalnom nivou.

Cilj je dobijanje procena što bližih stvarnim vrednostima.

Zahtev 4 - Identifikacija atipičnih rezultata (40 poena)

Analizirajte istorijske podatke iz perioda 2014–2022 i odlučite, za svaki red iz fajla test.csv, da li je odgovarajući rezultat za godinu 2023:

• normalan, ili
• atipičan, koji se značajno odstupa od uobičajenog ponašanja.

U donošenju odluke možete uzeti u obzir:

• istorijat odgovarajuće gimnazije,
• varijacije iz godine u godinu,
• razlike između predmeta,
• poređenje sa drugim sličnim gimnazijama.

Konačni rezultat za svaki red treba da bude binarna etiketa:

• 0 - normalan rezultat
• 1 - atipičan rezultat

Format predaje

Za automatsko ocenjivanje treba da otpremite fajl u csv formatu sa sledećom strukturom:

• id – identifikator reda (odgovarajući onom iz test.csv)
  • za zadatak 1, koristićete vrednost 1 za id
  • za zadatak 2, koristićete vrednost 2 za id
• subtaskID – identifikator zahteva:
  • 1 za identifikaciju omiljenog predmeta (zahtev 1)
  • 2 za identifikaciju prosperitetne godine za Informatiku (zahtev 2)
  • 3 za procenu proseka (zahtev 3)
  • 4 za identifikaciju atipičnih rezultata (zahtev 4)
• answer – odgovor odgovarajući zahtevu:
  • za subtaskID = 1: naziv predmeta tačno kako se pojavljuje u skupu podataka
  • za subtaskID = 2: godina
  • za subtaskID = 3: numerička vrednost (procena proseka)
  • za subtaskID = 4: 0 ili 1

Ocenjivanje

Za zahteve 1–2 ocenjuje se tačno (poređenjem).

Za zahtev 3 ocenjivanje se vrši koristeći Mean Absolute Error (MAE).

Pravila:

• MAE < 0.3 → maksimalni broj poena
• MAE > 1.0 → 0 poena
• Za vrednosti između ova dva praga, poeni se dodeljuju proporcionalno.

Za zahtev 4, poeni se dodeljuju prema sledećim pravilima:

• AUC ≥ 0.95 → 40 poena
• AUC ≤ 0.70 → 0 poena
• Interval između njih: proporcionalni broj poena

⬇️ Preuzmi Starter Kit