## Objetivo da Competição


O desafio nesse Hackathon é responder a pergunta a seguir: 

> *De que maneiras a PUC-SP poderia utilizar modelos de inteligência artificial criados a partir dos datasets do ENEM para aprimorar seus processos educacionais e melhorar o ensino e a aprendizagem?*

Os dados do exame são disponibilizados publicamente, mas pouco aproveitado por universidades em geral. Seu modelo treinado deve ser capaz de prever o desempenho de um aluno com base em suas características socioeconômicas e educacionais. As notas do ENEM são utilizadas para selecionar candidatos para ingresso em universidades e institutos federais de ensino superior no Brasil.


## Contexto
O Exame Nacional do Ensino Médio (ENEM) é a maior prova educacional do Brasil, aplicada anualmente para milhões de estudantes que buscam ingressar em universidades e institutos federais de ensino superior. Além de avaliar o desempenho dos estudantes, a prova também é utilizada como uma ferramenta de política educacional, pois as notas obtidas pelos alunos são utilizadas para a distribuição de bolsas de estudos e outros programas governamentais.

Nesta competição, você terá acesso a um grande conjunto de dados do ENEM, incluindo informações demográficas dos candidatos, dados socioeconômicos e informações sobre as provas realizadas. Seu desafio é desenvolver modelos precisos que possam prever as notas dos estudantes com base nessas informações.

Ao participar desta competição, você estará ajudando a melhorar o acesso à educação de qualidade para todos os brasileiros. Seu trabalho poderá ajudar a tornar o processo de seleção mais justo e transparente, permitindo que mais pessoas tenham a oportunidade de ingressar em instituições de ensino superior e alcançar seus objetivos pessoais e profissionais. Além disso, você estará contribuindo para o desenvolvimento da educação e para o progresso do país como um todo.

**Observação**: Não é permitido tentar realizar qualquer tipo de engenharia reversa nos datasets originais que são públicos a fim de obter vantagens nos resultados (ex. *overfitting* nas respostas corretas). É permitido o uso de bases externas para enriquecer as análises e modelos.