Students_behavior_predict

Анализ активности студентов онлайн курса 'Введение в анализ данных в R' и построение моделей прогнозирования (классификации) успешности окончания курса студентами.

Задача:

На основании дата-сетов о действиях студентов в первые несколько дней построить модели для прогнозирования успешности окончания курса.

Технологии:

• Python==3.9
• Jupyter Notebook==6.5.4
• Pandas==2.0.3
• Sklearn==1.3.0

Описание исходных данных:

events_train.csv - данные о действиях, которые совершают студенты со стэпами https://stepik.org/media/attachments/course/4852/event_data_train.zip

• step_id - id стэпа
• user_id - анонимизированный id юзера
• timestamp - время наступления события в формате unix date
• action - событие, возможные значения:
• discovered - пользователь перешел на стэп
• viewed - просмотр шага,
• started_attempt - начало попытки решить шаг,
• passed - удачное решение практического шага

submissions_train.csv - данные о времени и статусах сабмитов к практическим заданиям https://stepik.org/media/attachments/course/4852/submissions_data_train.zip

• step_id - id стэпа
• timestamp - время отправки решения в формате unix date
• submission_status - статус решения
• user_id - анонимизированный id юзера

Чтобы перезапустить вычисления:

• Клонировать репозиторий

  git clone git@github.com:ddr533/Students_behavior_predict.git  
  

• Перейти в папку с репозиторием

cd Students_behavior_predict

• Cоздать и активировать виртуальное окружение на Windows:

python -m venv env
env/scripts/activate

• Установить зависимости из файла requirements.txt:

pip install -r requirements.txt

• В командной строке запустить jupyter notebook
• Перейти в браузере на localhost
• Открыть main.ipynb
• Нажать кнопку RUN

Автор

Andrey D.