Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/matkorussovich/student-performance-analysis

Este repositorio contiene un análisis del desempeño académico de estudiantes, realizado como parte del módulo "Introducción al Data Science" en el Máster en Data Science de la Universidad Europea de Madrid.
https://github.com/matkorussovich/student-performance-analysis

jupyter-notebook matplotlib-pyplot numpy pandas python

Last synced: about 1 month ago
JSON representation

Este repositorio contiene un análisis del desempeño académico de estudiantes, realizado como parte del módulo "Introducción al Data Science" en el Máster en Data Science de la Universidad Europea de Madrid.

Awesome Lists containing this project

README 

        
# Análisis de Rendimiento Académico de Estudiantes en Escuelas Portuguesas



Este proyecto analiza el rendimiento académico de estudiantes en dos escuelas portuguesas, basándose en el dataset público [**Student Performance Dataset**](https://archive.ics.uci.edu/dataset/320/student+performance) de UCI Machine Learning Repository. La información recopilada incluye datos demográficos, sociales y características relacionadas con la escuela, que se utilizarán para comprender mejor las variables que influyen en las calificaciones finales de los estudiantes en Matemáticas y Lengua Portuguesa.



### Contexto



Como en varios otros países (por ejemplo, Francia o Venezuela), se utiliza una escala de calificación de 20 puntos, donde 0 es la nota más baja y 20 es la nota perfecta. Durante el año escolar, los estudiantes son evaluados en tres períodos, y la última evaluación (G3 de la Tabla 1) corresponde a la calificación final.



Este estudio considera datos recogidos durante el año escolar 2005-2006 de dos escuelas públicas en la región de Alentejo, Portugal.



### Clasificación de Resultados de Evaluaciones



Los resultados de las evaluaciones a los estudiantes en Portugal y Francia se clasifican de la siguiente manera:



- **Excelente/Muy bueno (16-20)**

- **Bueno (14-15)**

- **Satisfactorio (12-13)**

- **Suficiente (10-11)**

- **Suspendido (0-9)**



## Estructura del proyecto



- **notebooks/**: Contiene el notebook principal `Student_Performance_Analysis.ipynb` donde se desarrolla el análisis de datos.

- **data/**: Carpeta destinada a almacenar los datasets `student-mat.csv` y `student-por.csv`.

- **README.md**: Descripción del proyecto y guía de uso.

- **environment/**: Carpeta que contiene el entorno virtual para reproducir el análisis.

- **requirements.txt**: Lista de dependencias necesarias para ejecutar el proyecto.



## Objetivos del Análisis



1. **Carga y limpieza del dataset**: Leer el dataset en un DataFrame de Pandas y preparar los datos para el análisis.

2. **Cálculo de métricas descriptivas**: Obtener estadísticas clave de las variables numéricas y categóricas.

3. **Visualización de datos**:

   - Descripción de variables categóricas y numéricas.

   - Análisis de correlaciones entre variables, especialmente entre factores demográficos y sociales y el rendimiento académico.

4. **Exploración de relaciones significativas**:

   - Identificar posibles patrones entre el rendimiento académico (notas) y factores como el tiempo de estudio, el estado de salud, y el consumo de alcohol.

5. **Informe final**: Generación de gráficos y conclusiones para explicar los resultados de una manera comprensible y accesible.



## Requisitos



Este proyecto requiere Python 3 y las librerías listadas en `requirements.txt`. Para instalar las dependencias, ejecute:



```bash

pip install -r requirements.txt