Az I. 704. feladat (2026. szeptember)

I. 704. A Kaggle népszerű online közösségi felület adatelemzéssel és gépi tanulással foglalkozók számára. Ebben a feladatban egy olyan adathalmazt vizsgálunk meg, amely az USA felsőoktatási intézményeiben IT szakirányban tanuló hallgatók lehetséges karrierjét vizsgálja. A továbbiakban ennek az adathalmaznak az értelmezése és feldolgozása lesz a feladat. Az adathalmaz elérhető a következő weboldalon: https://www.kaggle.com/datasets/mobeenfatimah/student-career-success-prediction- dataset.

1. Töltsük le az adathalmazt ZIP formátumban és csomagoljuk ki a letöltött fájlt.
2. Nyissunk meg egy üres táblázatkezelő munkafüzetet és importáljuk a kapott CSV állományt táblázatkezelőbe, majd mentsük el a táblázatkezelő alapértelmezett formátumában itkarrier nevén. A munkalapot nevezzük át dataset névre.

Nézzük át és értelmezzük a táblázat oszlopait a fenti weboldalon található leírás, a fejléc és az egyes oszlopokban található értékek alapján.

1. Cseréljük le a dataset munkalapon a pontokat vesszőre a valós számok kezelése érdekében.

Minta a dataset munkalapról:

1. Hozzunk létre egy másik munkalapot adatok néven, amely majd a betöltött adatokat átalakítva tartalmazza. Ennek a munkalapnak a fejléce legyen a betöltött munkalap fejlécének megfelelő magyar nyelvű, de ékezetmentes szöveg. A több szóból álló oszlopneveknél szóköz helyett aláhúzás jel szerepeljen. A fejléc szövege letölthető honlapunkról a feladathoz mellékelt fejlec.txt szöveges állományból.
2. Adjuk meg az adatok munkalapon megfelelő képletek és hivatkozás segítségével a betöltött munkalap adatait a következők szerint. A számításokhoz a legtöbb esetben érdemes külön munkalapra kigyűjteni az egy oszlopban előforduló szövegeket, szükség esetén rendezni, majd ezek segítségével számértéket megadni. Például az egyetemi évek számát leíró négy szót helyezzük el rendezve egy egyetemi_ev munkalap négy egymás alatti cellájában: Freshman, Sophomore, Junior, Senior. Így az adatok munkalapon a megfelelő érték egy képlettel kiszámítható. Példaként megadjuk, hogy néhány oszlop esetében hogyan járjunk el:
1. a hallgatói azonosító oszlopban a megfelelő szám szerepeljen (például a betöltött szöveg jobb oldali 6 karakteréből képzett számérték);
2. a nem oszlopban a nőknél 2-es, a férfiaknál az 1-es szám szerepeljen;
3. az egyetemi évek számát a szöveges leírásnak megfelelő évek számával adjuk meg, például sophomore esetén 2-t – a szövegeket értelem szerint érdemes rendezni;
4. a fő szakirány esetében a lehetséges 8 szakirányhoz rendeljük az 1-től 8-ig terjedő számokat – a szakirányokat a nevük szerint rendezhetjük ábécésorrendbe;
5. a logikai típusú válaszok esetében 0 és 1 értéket adjunk meg, például a GitHub profil esetében.

Ezek alapján érjük el, hogy az adatok munkalapon csak számok szerepeljenek minden oszlop értkeként. A számok jelentése különböző a fentieknek megfelelően:

• vannak, amelyek értéke \(\displaystyle (0,1)\), például a LinkedIn profil oszlopban;
• vannak egész és valós számértékek, amelyeket az oszlop értékét jelentő egész vagy valós számok, például a Csapatmunkára kapott pontszám vagy a 0-tól 4-ig terjedő Tanulmányi pont;
• az eredetileg szöveges értékek helyén egy kódszám szerepel, amely a szöveges tartalomra hivatkozik egy másik munkalapon, például a Computer Science szakirány a 3-as számot jelenti, ha a lehetséges szakirányokat ábécérendbe rakjuk.

Minta az átalakított adatokat tartalmazó adatok munkalapról:

Az adatokat egy később kitűzött feladatban SQL adatbázisba helyezzük át, de ebben a feladatban egyelőre eddig kell elvégezni a forrásadatok feldolgozását.

1. A KöMaL honlap feltöltési korlátja miatt az eredeti adathalmaz \(\displaystyle 50\,000\) adatsora helyett a beküldendő megoldásban csak \(\displaystyle 500\) adatsort tartsunk meg. Nevezzük át az eddig elkészült munkánkat úgy, hogy az ,,_500'' szöveggel kiegészítjük az állományt nevét. Töröljük ebből az állományból az első \(\displaystyle 500\) adat utáni adatsorokat a dataset és az adatok munkalapról.

Beküldendő az i704.zip tömörített állományban az 500 adatsort tartalmazó munkafüzet és egy rövid dokumentáció, amelyben szerepel a táblázatkezelő neve és verziószáma.

Letölthető állomány: fejlec.txt

(10 pont)

A beküldési határidő 2026. október 15-én LEJÁRT.

Mintamegoldásként Bodnár Áron 8. évfolyamos budapesti versenyző megoldását (itkarrier500mo1.xlsx), Jost-Kovács Boldizsár szintén 8. osztályos budapesti tanuló munkáját (itkarrier500mo2.xlsx), valamint Bortnyik Zétény 10. osztályos miskolci diák (itkarrier500mo3.xlsx) és Ali Rudolf gödöllői versenyző táblázatát (itkarrier500mo4.xlsx) adjuk közre.

Statisztika:

15 dolgozat érkezett.
10 pontot kapott:	Ali Rudolf, Bodnár Áron, Bortnyik Zétény, Jost-Kovács Boldizsár, Lizák Nimród, Tatár Márton	(6 versenyző).
9 pontot kapott:	Dénes Panna, Domián Vilmos	(2 versenyző).
6 pontot kapott:	1 versenyző.
5 pontot kapott:	1 versenyző.
0 pontot kapott:	3 versenyző.
nem versenyszerű:	2 dolgozat.

A KöMaL 2026. szeptemberi informatika feladatai