🎓 Predicción del Rendimiento de Estudiantes con Machine Learning

Este proyecto analiza y predice el rendimiento académico de estudiantes a partir de variables socioeducativas usando Machine Learning supervisado en Python.

---

📘 Descripción

El dataset (obtenido de Kaggle) contiene registros de ~1.000 estudiantes con las variables:

• Género
• Grupo étnico
• Nivel educativo de los padres
• Tipo de almuerzo escolar
• Curso de preparación para exámenes
• Notas en matemáticas, lectura y escritura
• https://www.kaggle.com/datasets/bhavikjikadara/student-study-performance

Se crea la variable objetivo score (promedio de math_score, reading_score y writing_score) y se comparan dos modelos:

1. Regresión Lineal
2. Random Forest Regressor

Incluye: preprocesamiento (One-Hot y Ordinal Encoding), división train/test y evaluación con MSE.

---

⚙️ Tecnologías

• Python 3.12
• Pandas, NumPy
• Scikit-learn
• Jupyter Notebook

---

📂 Estructura

STUDY_PERFORMANCE/
├─ Study_perfomance.ipynb · Notebook principal
├─ study_performance.csv · Dataset (opcional, puede excluirse)
└─ .gitignore · Exclusiones (venv/, .idea/, .vscode/, etc.)

Nota: El entorno virtual (venv/) y configuraciones de IDE están excluidos por .gitignore.

---

🧹 Preprocesamiento (resumen)

• One-Hot Encoding: género, grupo étnico, tipo de almuerzo, test_prep_course, etc.
• Ordinal Encoding: nivel educativo de los padres (orden lógico, p. ej. “some high school” → … → “master’s degree”).
• Target: score = mean([math_score, reading_score, writing_score]).

---

🧠 Modelado

• Split: train_test_split(X, y, test_size=0.2, random_state=21)
• Modelos entrenados:
  • LinearRegression()
  • RandomForestRegressor(n_estimators=100, random_state=42)
• Métrica: MSE (Mean Squared Error) sobre conjunto de test.

---

📊 Resultados orientativos

• Random Forest Regressor · MSE ≈ 2.11
• Linear Regression · MSE ≈ 1.65

Los valores pueden variar levemente según la semilla y el dataset usado.

---

🚀 Cómo ejecutar

1. Crear y activar entorno virtual

   • En Linux/Mac:
     • python3 -m venv venv
     • source venv/bin/activate
   • En Windows:
     • python -m venv venv
     • venv\Scripts\activate

2. Instalar dependencias mínimas

   • pip install --upgrade pip
   • pip install pandas numpy scikit-learn jupyter matplotlib

3. Abrir el notebook

   • jupyter notebook
   • Abrir Study_perfomance.ipynb y ejecutar las celdas en orden.

Si usas VS Code, selecciona el kernel del venv (arriba a la derecha del notebook).

---

🔒 .gitignore recomendado

• Entorno y cachés:
  • venv/, .env/, .venv/
  • pycache/, *.pyc, .pytest_cache/, .mypy_cache/
• IDE:
  • .idea/, .vscode/, .code-workspace
• Jupyter:
  • .ipynb_checkpoints/
• Datos/artefactos grandes (ajústalo a tu repo):
  • *.png, *.jpg, *.jpeg, *.pdf, *.html
  • *.csv (si no quieres versionar el dataset; si sí lo quieres, quita esta línea)

---

🧪 Reproducibilidad

• Fija random_state en train_test_split y en los modelos.
• Documenta la versión de Python y librerías (puedes exportar con pip freeze > requirements.txt).

---

📌 Notas

• El dataset puede incluirse o no en el repo (según tamaño/licencia).
• Para resultados consistentes, mantén el mismo preprocesamiento y orden de columnas entre entrenamiento e inferencia.

---

📄 Licencia

Este proyecto es de uso educativo. Ajusta la licencia según tus necesidades (MIT, Apache-2.0, etc.).