L'objectiu d'aquest treball és estudiar i aplicar mètodes de selecció automàtica de variables utilitzats per la creació de models de predicció de resultats acadèmics d'estudiants de l'ETSEIB. En concret, s'intenta predir l'aprovat o suspès de les assignatures del tercer quadrimestre del grau en enginyeria en tecnologies industrials, donat que són les primeres assignatures a cursar un cop superada la fase inicial.
Per dur a terme aquesta tasca s'aplica de forma rigorosa la metodologia CRISP-DM per al desenvolupament de projectes de mineria de dades. Tot plegat comptant amb el suport de les eines proporcionades per les llibreries Pandas i SciKit-learn del llenguatge Python.
Les dades d'estudi són proporcionades per la pròpia escola, les quals contenen informació dels resultats acadèmics de cada estudiant així com algunes altres dades personals. Amb aquestes mateixes es validen els models de predicció de regressió logística i arbre de decisions, els quals es compara el rendiment obtingut en la seva resposta.
