задача МФТИ

Прогнозирование успеваемости студентов

В данной задаче вам предстоит разработать модель машинного обучения для прогнозирования успеваемости студентов, взаимодействующих с электронной образовательной средой.

Описание данных

Для работы предоставляются следующие наборы данных:

Тренировочные данные

• train_info.csv: содержит общую информацию о студентах, участвовавших в эксперименте по оценке успеваемости при взаимодействии в электронной среде.
• train_reg.csv: включает информацию о своевременности регистрации студентов и длительности образовательного модуля.
• train_vle.csv: предоставляет сводную статистику по активностям студентов в рамках электронной образовательной платформы.
• y_train_reg.csv: содержит значения целевой переменной weighted_score для тренировочных данных.

Тестовые данные

• test_info.csv, test_reg.csv, test_vle.csv: соответствующие тестовые наборы данных.

Данные доступны по ссылкам:

• https://edu.mipt.ru/_data/67f7d46d693b1_train_info.csv
• https://edu.mipt.ru/_data/67f7d46dbab14_train_reg.csv
• https://edu.mipt.ru/_data/67f7d46ded787_train_vle.csv
• https://edu.mipt.ru/_data/67f7d46e28197_y_train_reg.csv
• https://edu.mipt.ru/_data/67f7d46e72040_test_info.csv
• https://edu.mipt.ru/_data/67f7d46e9cc48_test_reg.csv
• https://edu.mipt.ru/_data/67f7d46eb3e51_test_vle.csv

Пример файла-результата:

• https://edu.mipt.ru/_data/67f7d46e54d58_submission_reg.csv

Задача

Вам необходимо:

1. Проанализировать предоставленные данные и выбрать наиболее информативные признаки для решения задачи регрессии.
2. Выполнить предварительную обработку данных, включая обработку пропущенных значений.
3. Обучить модель машинного обучения для предсказания целевой переменной weighted_score, которая представляет оценку студента по стобалльной шкале.
4. Сделать предсказания для тестовых данных и сохранить результаты.

Требования к решению

Необходимо реализовать функцию predict_student_performance. Функция должна:

1. Загружать данные из всех указанных файлов
2. Выполнять необходимую обработку данных
3. Обучать модель регрессии
4. Делать предсказания для тестовых данных
5. Сохранять предсказания в файл output_path в формате CSV с двумя столбцами: id студента и weighted_score

Критерии оценки

Качество модели будет оцениваться по коэффициенту детерминации (R²). Для успешного решения задачи необходимо достичь значения R² не менее 0.75 на тестовой выборке.