studentprognose 1.6.2

Voorspel je studentinstroom maanden vooruit — met je eigen data, op je eigen machine.

_{▶︎ De optionele grafische interface — zet een project op, stel je configuratie in en draai je eerste prognose, zonder één regel terminal.}

Zo start je de interface hierboven (vanuit een clone van deze repository):

uv run --extra gui python -m gui

Open daarna http://localhost:8080 in je browser. Zie Grafische interface voor de volledige uitleg — of gebruik de CLI hieronder.

📦 Aan de slag

Vereisten: Python 3.12

Installeer met uv:

uv tool install studentprognose

Heb je uv nog niet? Eenmalig installeren met curl -LsSf https://astral.sh/uv/install.sh | sh (macOS/Linux) of powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" (Windows). Voor pip-instructies, zie de documentatie.

Na installatie:

studentprognose init           # mapstructuur aanmaken + demodata downloaden (optioneel)
studentprognose -d c -y 2024   # eerste prognose op demodata

init vraagt of je demodata wilt downloaden (6 MB, beide sporen) zodat je direct kunt starten. Kies n als je meteen je eigen data wilt gebruiken.

Voor geautomatiseerde runs (cron, taakplanner) — sla de interactieve prompt over:

studentprognose -w 6 -y 2024 --yes

Zie de documentatie voor een complete walkthrough met uitleg over Python-installatie, data klaarzetten en veelvoorkomende fouten.

Waarom dit model?

Dit model is gebouwd voor data-analisten bij Nederlandse onderwijsinstellingen die werken met Studielink-data. Je hebt geen machine learning-expertise nodig.

📊 Presentatie

Een introductie tot Studentprognose (HOlink 2026): waarom instroomprognose lastig is, hoe het model werkt en hoe je ermee aan de slag gaat.

• 📥 Download de presentatie (PowerPoint)
• 🌐 Bekijk online in de documentatie

🛠️ Aan de slag voor ontwikkelaars

Via de broncode (met demodata):

# 1. Installeer uv (zie https://docs.astral.sh/uv/getting-started/installation/)
curl -LsSf https://astral.sh/uv/install.sh | sh

# 2. Clone de repository
git clone https://github.com/cedanl/studentprognose.git
cd studentprognose

# 3. Draai het model met demodata
uv run studentprognose -w 6 -y 2020

🖥️ Grafische interface (optioneel)

Liever klikken dan typen? Er is een optionele webinterface (NiceGUI) die de CLI omhult — een project opzetten, de configuratie instellen en voorspellingen draaien, zonder terminalkennis. Je draait haar vanuit een clone van deze repository:

uv run --extra gui python -m gui

Open daarna http://localhost:8080 in je browser. De interface is een schil rond dezelfde CLI; alles wat je in de GUI doet kun je ook op de opdrachtregel doen. Zie Grafische interface in de documentatie.

✨ Gebruik

studentprognose -w 6 -y 2024                  # specifieke week en jaar
studentprognose -w 10 : 20 -y 2023            # weekbereik
studentprognose -d c                           # alleen cumulatief spoor
studentprognose -d c --institution 21PC        # scoop de teldata op je eigen instelling
studentprognose -y 2023 2024 -w 10 : 20 -d b  # meerdere jaren, beide sporen

studentprognose benchmark -d c -w 12           # vergelijk alternatieve modellen
studentprognose tune -d c -w 12                # stem hyperparameters af (cumulatieve regressor)

Naast voorspellen kun je met het benchmark-subcommando alternatieve ML-modellen vergelijken op je eigen data:

studentprognose benchmark -d c                 # vergelijk cumulatieve modellen

Zie de documentatie voor alle vlaggen, configuratie, validatie-instellingen en uitgebreide voorbeelden, en Benchmarks voor de modelvergelijking.

📁 Beschrijving van bestanden

Input

Output

🏗️ Architectuur

Pipeline executievolgorde

Gedeelde stappen (alle modi):

Modus-specifieke stappen (vervolgen op de gedeelde stappen):

Zie doc/PIPELINE.md voor de gedetailleerde end-to-end pipeline (inclusief Mermaid-diagrammen). Voor een uitleg van het individueel spoor, zie Individueel model in de methodologische documentatie.

🤝 Bijdragen

Dit project wordt actief onderhouden door CEDA. Wil je bijdragen of meedenken? Sluit je aan bij de werkgroep.

🆘 Ondersteuning

Voor vragen of problemen:

• GitHub Issues: Probleem melden