📚 Öğrenci Başarı Tahmin Sistemi

Makine öğrenmesi modeli kullanarak öğrenci sınav puanlarını tahmin eden web uygulaması.

🎯 Proje Hakkında

Bu proje, öğrencilerin çeşitli yaşam alışkanlıklarını ve özelliklerini kullanarak sınav puanlarını tahmin eden bir Gradient Boosting Regression modelini içerir. FastAPI ile oluşturulmuş modern web arayüzü ile kolay kullanılabilir.

📋 Özellikler

• ✅ Gerçek Zamanlı Tahmin: Öğrenci verilerini girerek anlık sınav puanı tahmini
• ✅ Saat Validasyonu: Günlük saat toplamı 24'ü geçmemesini kontrol eder
• ✅ Responsive Tasarım: Tüm cihazlarda güzel görünüm
• ✅ Koyu Tema: Göz yormayan modern arayüz
• ✅ Hata Yönetimi: Kullanıcı dostu hata mesajları

📊 Model Metrikleri 🚀

Modelin eğitim verileri üzerinde elde ettiği performans metrikleri aşağıdadır:

Metrik	Değer	Açıklama
R² (Belirlilik Katsayısı)	$0.88543$	Modelin varyansın yaklaşık %88.5'ini açıkladığını gösterir. 1'e yakın olması, modelin verilere iyi oturduğunu belirtir.
RMSE (Kök Ortalama Karesel Hata)	$5.42013$	Tahmin edilen puanlar ile gerçek puanlar arasındaki ortalama farkın standart sapmasıdır. Düşük olması tahminlerin gerçek değerlere yakın olduğunu gösterir.

🚀 Kurulum

1. Gerekli Paketleri Yükle

pip install -r requirements.txt

Veya manuel olarak:

pip install fastapi uvicorn scikit-learn pandas joblib jinja2

2. Modeli Oluştur

python main.py

Bu komut ogrenci_basari_modeli.pkl dosyasını oluşturacaktır.

3. Uygulamayı Çalıştır

uvicorn app:app --reload

4. Web Sitesini Aç

Tarayıcınızda açın: http://127.0.0.1:8000

📁 Klasör Yapısı

task8/
├── main.py                          # Model eğitim dosyası
├── app.py                           # FastAPI uygulaması
├── student_habits_performance.csv   # Eğitim veri seti (gitignore'da)
├── ogrenci_basari_modeli.pkl        # Eğitilmiş model (gitignore'da)
├── templates/
│   └── index.html                   # Web arayüzü
└── README.md                        # Bu dosya

📊 Model Girdileri

Sayısal Veriler

• Yaş: 15-25 arası
• Günlük Çalışma Saati: 0-8 saat
• Sosyal Medya Saati: 0-8 saat
• Netflix Saati: 0-8 saat
• Uyku Saati: 0-12 saat
• Devam Oranı: 0-100%
• Egzersiz Sıklığı: 0-7 (haftada kaç gün)
• Mental Sağlık Puanı: 1-10

Kategorik Veriler

• Cinsiyet: Erkek / Kadın
• Yarı Zamanlı İş: Evet / Hayır
• Diyet Kalitesi: Kötü / İyi / Çok İyi
• Parental Eğitim Seviyesi: Lise / Lisans / Yüksek Lisans
• İnternet Kalitesi: Zayıf / Orta / İyi
• Ders Dışı Aktiviteler: Evet / Hayır

⚠️ Önemli Notlar

• Saat Validasyonu: Günlük saatlerin toplamı 24'ü geçemez
• Puan Sınırı: Tahmin edilen puan 100'ü geçerse 100 olarak gösterilir
• Veri Seti: .csv dosyası gitignore'da olduğu için proje klonlandığında modeli yeniden eğitmeniz gerekir

🔧 Teknolojiler

• Backend: FastAPI, Uvicorn
• ML: scikit-learn, pandas, joblib
• Frontend: HTML5, CSS3, JavaScript
• Model: Gradient Boosting Regressor

📝 Kullanım Örneği

1. Web sitesine erişin
2. Öğrenci bilgilerini doldurun
3. Tüm saatlerin toplamının 24'ü geçmediğini kontrol edin
4. "Tahmini Yap" butonuna tıklayın
5. Tahmin edilen sınav puanını görün

🎓 Veri Seti

Model, student_habits_performance.csv dosyasından öğrenci alışkanlıkları ve sınav puanları verilerine dayanarak eğitilmiştir.

📄 Lisans

Bu proje eğitim amaçlı oluşturulmuştur.