{
  "fetched_at": "2026-10-20T06:51:35Z",
  "source_url": "https://www.kaggle.com/competitions/ad120151-second/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<p>Arquivos</p>\r\n<ul>\r\n<li><span style=\"font-size: 1em; line-height: 1.5em;\">training.csv: arquivo de treino (pode ser particionado em treino e testes caso queiram)</span></li>\r\n<li><span style=\"color: #555555; font-size: 1em; line-height: 1.5em;\">test_second_round_kaggle.csv: arquivo com os registros de alunos que você deve prever. É com esse arquivo que executamos F-Score para checar quão bom é o modelo. Obviamente, omitimos a coluna COD_EVASAO.</span></li>\r\n<li><span style=\"color: #555555; font-size: 1em; line-height: 1.5em;\">sample_submission_second_round.csv: exemplo de submissão válida.</span></li>\r\n</ul>\r\n<p>Descrição das variáveis</p>\r\n<p>MATRICULA: identificador do aluno</p>\r\n<p>PERIODO: identificador do periodo letivo da universidade (ano.semestre)</p>\r\n<p>COD_CURSO: identificador do curso</p>\r\n<p>CURSO: nome do curso. Cada curso tem seu COD_CURSO</p>\r\n<p>CODIGO: identificador da disciplina que o aluno cursou no periodo</p>\r\n<p>DISCIPLINA: nome da disciplina referente que o aluno cursou no periodo. Cada disciplina tem seu CODIGO</p>\r\n<p>CREDITOS: numero de créditos referente a disciplina</p>\r\n<p>DEPARTAMENTO: departamento que ofertou a disciplina</p>\r\n<p>MEDIA: media do aluno na disciplina (0 a 10). Alunos reprovados por falta numa disciplina recebem 0 e alunos que trancaram a disciplina recebem NA.</p>\r\n<p>STATUS: Aprovado, Reprovado Por Falta, Trancado ou Reprovado. Se refere ao estado final do aluno na disciplina</p>\r\n<p>PERIODO_INGRESSO: periodo letivo da universidade em que o aluno ingressou no curso.</p>\r\n<p>PERIODO_RELATIVO: numero de periodos que o aluno está matriculado na universidade. \"1\" refere-se ao aluno em seu primeiro periodo, \"5\" refere-se ao aluno no quinto periodo.</p>\r\n<p>COD_EVASAO: identificador de evasao do aluno. \"0\" significa que o aluno continuou ativo na universidade no periodo seguinte e \"1\" significa que o aluno desistiu do curso nesse periodo e não voltou a se matricular no seguinte.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<p>Oi Pessoal,</p>\r\n<p>Nesse problema, utilizaremos o kaggle para avaliar os modelos de vocês.</p>\r\n<p>O problema é o seguinte. Dado o término de um período específico e um aluno específico, eu quero poder prever se esse aluno continuará ou não no curso. Trata-se então de um problema de classificação binária. O período que escolhemos é o primeiro, então queremos poder ser capazes de prever quem evadirá logo após o término do primeiro período.</p>\r\n<p>O que usar como atributos? It's up to you. Como eu disse, os dados que estamos passando são brutos, sendo então papel de vocês extrair os atributos que vocês acham mais informativos para o problema de evasão.</p>\r\n<p>Nós guardamos o período de 2014.1 conosco para testar quão bom (utilizando F-score) é o modelo de vocês. Então, para construir e testar o modelo (antes de submeter o modelo final), vocês terão que trabalhar com partições treino/teste em cima dos dados que passamos.</p>\r\n<p>Atenção! Nesse round, vocês irão prever os alunos 2014.1 com período relativo 5.</p>\r\n<p>Vocês utilizarão dados do histórico de vários alunos para construir um modelo de classificação que nos diga se o aluno irá evadir (1) ou não (0). Para tanto, disponibilizamos uma base com atributos dos alunos e a informação (coluna COD_EVASAO) da situação do aluno. Essas dados estão no arquivo training.csv.</p>\r\n<p>Também disponibilizamos um arquivo de teste (test_second_round_kaggle.csv). Esse arquivo tem praticamente o mesmo formato do training.csv. A única diferença é que removemos a última coluna (COD_EVASAO) para que vocês não tenham, obviamente, acesso ao resultado. É com esse arquivo que o Kaggle irá testar a saída do modelo de vocês.</p>\r\n<p>Assim que você submeter via kaggle, já irá receber a resposta. O kaggle também mantém um ranking das submissões. Vocês pode submeter quantas vezes quiserem para aumentar a pontuação.</p>\r\n<p>Formato da submissão</p>\r\n<p>Vocês irão submeter apenas um arquivo por vez. Esse arquivo deve ter apenas DUAS colunas: ID e EVASAO. Notem que esse ID não é a matrícula do usuário, mas ID da observação.</p>\r\n<p>Por favor, vejam o arquivo sample_submission_second_round.csv para checar o formato do arquivo que vocês devem submeter.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "\r\n\t<!-- Begin Base Rules -->\r\n    <h3>One account per participant</h3>\r\n    <p>You cannot sign up to Kaggle from multiple accounts and therefore you cannot submit from multiple accounts.</p>\r\n    <h3>No private sharing outside teams</h3>\r\n    <p>\r\n        Privately sharing code or data outside of teams is not permitted.\r\n        It's okay to share code if made available to all participants on the forums.\r\n    </p>\r\n    <h3>Team Mergers</h3>\r\n    <p>Team mergers are not allowed in this competition.</p>\r\n\r\n    <h3>Team Limits</h3>\r\n    <p>There is no maximum team size.</p>\r\n    <h3>Submission Limits</h3>\r\n    <p>You may submit a maximum of 10 entries per day.</p>\r\n    <p>You may select up to 10 final submissions for judging.</p>\r\n    <h3>Competition Timeline</h3>\r\n    <p>Start Date: <strong>6/12/2015 6:00 PM UTC</strong></p>\r\n    <p>Merger Deadline: <strong>None</strong></p>\r\n    <p>Entry Deadline: <strong>None</strong></p>\r\n    <p>End Date: <strong>7/21/2015 11:59 PM UTC</strong></p>\r\n\t<!-- End Base Rules -->\r\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}