PREZICEREA PERFORMANŢELOR STUDENŢILOR FOLOSIND ÎNVĂŢAREA AUTOMATĂ (Machine Learning)

Maria CRISTEI, Ghenadie MARIN, Victor STELEA

Abstract


În prezent, învăţarea automată (machine learning) ocupă un loc important în inteligenţa artificială, preocupându-se de dezvoltarea algoritmilor ce permit unui sistem informatic să înveţe date, reguli şi algoritmi. Învăţarea automată pre­supune în primul rând identificarea şi implementarea unei modalităţi cât mai eficiente de reprezentare a informaţiilor, în sensul facilitării căutării, reorganizării şi modificării acestora. În acest sens, în prezentul articol se descrie utilitatea şi aplicabilitatea tehnicilor de învăţare automată supervizată la problemele de predicţie şi implementarea acestora în dez­vol­tarea aplicaţiilor informatice. Aplicaţia elaborată este unică prin felul ei de executare a modelului machine learning de predicţie. Metodologia folosită în aplicaţia elaborată este mixtă, cuprinzând tehnologii complexe de ultimă oră: mediul de dezvoltare Jupyter Notebook, limbajul de programare Python împreună cu cele mai populare librării ale acestuia utilizate în machine learning, instrumente de dezvoltare a aplicaţiei web Flask.

PREDICTING STUDENT PERFORMANCE USING MACHINE LEARNING

At present, machine learning occupies an important place in artificial intelligence, and is concerned with the development of algorithms that allow an information system to learn data, rules, and algorithms. Automatic learning involves first and foremost the identification and implementation of a more efficient way of representing information in order to facilitate search, reorganization and change. In this respect, this article describes the utility and applicability of supervised auto­mated learning techniques to prediction problems and their implementation in the development of computer applications. The elaborate application is unique in its way of executing the Machine learning prediction model. The methodology used in the developed application is mixed, including state-of-the-art complex technologies: the Jupyter Notebook development environment, the Python programming language along with its most popular bookkeeping libraries used in machine learning, Flask web application development tools.


Keywords


mасhinе lеаrning, artificial intelligence, intelligent systems.

Full Text:

PDF

References


RUSSEL, S.J., NORVIG, P. Artificial Intelligence: A Modern Approach, Prentice Hall. New Jersey, 1995, p.4-8, 567-570.

BEN-HUR, A., WESTON, J. A User’s Guide to Support Vector Machines. Colorado State University, Colorado, NEC Labs America, Princeton, p.1-3.

KAR, P. Support Vector Machines and their Applications. Indian Institute of Technology Kanpur, 2009, p.56-70.

SAYAD, S. Model Evaluation – Regression. University of Toronto, 2010, http://chem-eng.utoronto.ca/~datamining/ dmc/model_evaluation_r.htm


Refbacks

  • There are currently no refbacks.