SuccessSage

SuccessSage: 학생 시험 성과 지표 및 예측자

SuccessSage는 학생 시험 성적 예측을 목표로 하는 포괄적인 엔드투엔드 기계 학습 프로젝트입니다. 다양한 교육 및 인구통계학적 데이터를 활용하여 통찰력과 예측을 제공함으로써 교육 이해관계자가 학생 성과를 더 잘 이해하고 개선할 수 있도록 합니다.

특징

• 성과 예측 : 다양한 기계 학습 모델을 활용하여 인구통계 및 학업 데이터를 기반으로 학생의 시험 성과를 예측합니다.
• 모델 최적화 : 그리드 검색을 사용하여 각 모델에 가장 적합한 하이퍼 매개변수를 찾아 최적의 성능을 보장합니다.
• 데이터 파이프라인 : 원시 데이터에서 예측까지 프로세스를 자동화하는 완전한 데이터 수집, 변환 및 모델 교육 파이프라인이 포함됩니다.
• 웹 인터페이스 : 간편한 데이터 입력 및 결과 시각화를 위한 대화형 Flask 기반 웹 인터페이스입니다.
• 로깅 및 오류 처리 : 포괄적인 로깅 및 사용자 정의 예외 처리를 통해 추적성과 디버깅 용이성을 보장합니다.

데이터 개요

이 프로젝트는 학생의 학업 성취도를 나타내는 여러 기능이 포함된 데이터 세트를 활용합니다.

• 인구통계 정보 : 성별, 인종/민족, 학생의 무료/할인 점심 제공 여부가 포함됩니다.
• 학력 : 부모 수준의 교육 수준과 학생의 시험 준비 과정 이수 여부를 다룹니다.
• 점수 : 읽기 및 쓰기 점수가 입력 기능으로 사용됩니다.

데이터 처리

• 데이터 수집 : CSV 파일에서 데이터를 자동으로 수집하여 학습 및 테스트 데이터 세트로 분할합니다.
• 데이터 변환 : 원-핫 인코딩을 사용하여 범주형 데이터를 변환하고 수치 특성의 크기를 조정하여 모델 훈련을 준비합니다.
• 훈련 및 테스트 데이터 세트 : 준비된 데이터는 모델 성능을 평가하기 위해 훈련 세트와 테스트 세트로 분할됩니다.

설치

1. 저장소 복제

   git clone https://github.com/Shubham235Chandra/SuccessSage.git
   cd SuccessSage

2. 가상 환경 설정(선택 사항이지만 권장됨)

   python -m venv venv
   source venv/bin/activate  # On Windows use `venvScriptsactivate`

3. 설치 요구 사항

   pip install -r requirements.txt

애플리케이션 실행

1. 플라스크 앱 시작

   python app.py

   그러면 포트 5000 의 localhost 에서 웹 애플리케이션이 실행됩니다.

2. 웹 인터페이스에 액세스

   • 브라우저를 열고 http://localhost:5000/ 으로 이동합니다.
   • 웹 양식을 사용하여 학생 데이터를 입력하고 예측을 받으세요.

프로젝트 구조

• app.py : Flask 애플리케이션의 진입점입니다.
• application.py : 경로 및 웹 양식 처리를 관리합니다.
• predict_pipeline.py : 전처리 및 모델 예측을 포함한 예측 파이프라인을 관리합니다.
• data_ingestion.py : 데이터 수집 및 초기 처리를 관리합니다.
• data_transformation.py : 전처리 파이프라인을 구현합니다.
• model_trainer.py : RandomForest, DecisionTree, GradientBoosting 등과 같은 다양한 알고리즘을 사용하여 기계 학습 모델의 훈련을 관리합니다.
• utils.py : 직렬화 및 기타 작업을 위한 유틸리티 함수입니다.
• logger.py : 모니터링을 위한 로깅을 구성합니다.
• exception.py : 강력한 오류 관리를 위한 사용자 정의 예외 처리입니다.

기여

기여를 환영합니다! 저장소를 포크하고 제안된 변경 사항이 포함된 풀 요청을 제출하세요.

특허

MIT 라이센스에 따라 배포됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.