student-signal v0.1.0 – Eerste stabiele release als installeerbare Python library

Uitvalrisico voorspellen als herbruikbare library

student-signal is nu beschikbaar als installeerbare Python library op PyPI. De library implementeert de Uitnodigingsregel — een methodiek om studenten met een verhoogd uitvalrisico te identificeren en gericht uit te nodigen voor een gesprek. De pipeline dekt alles van datavoorbereiding tot het ranken van studenten op uitvalrisico en het evalueren van modelkwaliteit.

Nieuw

• Publieke API met drie instapmomenten: prepare(), rank() en evaluate() (e1094dc)
• Stoplight-evaluatie (groen/geel/rood) op basis van precisie en recall bij 20% uitnodigingsdrempel (e1094dc)
• Ingebouwde ondersteuning voor Random Forest, Lasso en SVM; elk sklearn-compatible model werkt via rank() (e1094dc)
• Synthetische demo-data inbegrepen voor directe werking zonder eigen data (e1094dc)

Technische wijzigingen

• Gemigreerd naar CEDA-projectstructuur met src/-layout (c97da72, #24)
• Dynamische versie via hatch-vcs (afgeleid van git tag) (634fe8e, #1)
• GitHub Actions CI: automatische tests en linting bij elke PR (634fe8e, #1)
• GitHub Actions publish: automatische publicatie naar PyPI bij v* tag (634fe8e, #1)
• py.typed marker toegevoegd voor PEP 561 type checking support
• pyproject.toml opgeschoond: classifiers, authors, Changelog URL
• Parameternaam train_data_sdd hernoemd naar train_data_scaled (#2)
• inplace=True en iterrows() vervangen door pandas-idiomatic code (#2)
• Redundante refit verwijderd uit train_random_forest() (#2)

Verbeterd

• KNN-imputation vervangt mean-imputation voor betere omgang met ontbrekende waarden (2e34bb1, #27)