Прогнозування ймовірності вступу до університету на основі моделей штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorКузьменко, Ігор Миколайович
dc.contributor.authorАлєйнік, Ольга Русланівна
dc.date.accessioned2024-09-10T08:09:21Z
dc.date.available2024-09-10T08:09:21Z
dc.date.issued2024
dc.descriptionПрограма використовує алгоритми машинного навчання, такі як алгоритм Apriori, ID3, проста та множинна лінійна регресія, та інші алгоритми контрольованого навчання, для створення моделей прогнозування. Точність моделей оцінюється за допомогою метрик, таких як точність, середньоквадратична помилка та середня абсолютна похибка. Інтерактивний веб-інтерфейс дозволяє користувачам зручно взаємодіяти з програмою та аналізувати результати роботи різноманітних моделей штучного інтелекту.
dc.description.abstractДипломна робота виконана на 71 сторінці, містить 22 ілюстрацій, 2 додатки, 20 джерел в переліку посилань. Мета роботи – розробка та оцінка моделей машинного навчання для прогнозування ймовірності вступу до університету. Методи та засоби: алгоритми логістичної регресії, дерев рішень, лінійної регресії, контрольованого навчання, мова програмування Python, бібліотеки Pandas, Numpy, Sklearn, фреймворк Streamlit для створення інтерактивного інтерфейсу. Основний зміст роботи включає аналіз існуючих програмних систем для прогнозування вступу, детальний опис розробленої системи, методологію та результати експериментів. В роботі також розглянуто візуалізацію даних, використані алгоритми та їх ефективність. Було доведено, що моделі машинного навчання можуть значно покращити процес відбору студентів до університетів, забезпечуючи більш об'єктивні та точні прогнози. Результат – система прогнозування, яка може бути використана студентами та приймальними комісіями університетів для підвищення об'єктивності та ефективності процесу відбору студентів.
dc.description.abstractotherThe thesis is written on 71 pages, contains 22 illustrations, 2 appendices, and 20 references. The aim of this work is to develop and evaluate machine learning models for predicting university admission probabilities. The study employed machine learning methods such as logistic regression, decision trees, support vector machines, and linear regression. Python programming language and libraries such as Pandas, Numpy, Sklearn, and the Streamlit framework were used for the implementation and creation of an interactive interface. The main content of the work includes an analysis of existing software systems for admission prediction, a detailed description of the developed system, methodology, and experimental results. The work also covers data visualization, used algorithms, and their efficiency. It has been proven that machine learning models can significantly improve the student selection process in universities, providing more objective and accurate predictions. The results of this work can be implemented in the practice of university admissions committees, enhancing the efficiency and fairness of the applicant selection process.
dc.format.extent71 с.
dc.identifier.citationАлєйнік, О. Р. Прогнозування ймовірності вступу до університету на основі моделей штучного інтелекту : дипломна робота … бакалавра : 122 Комп’ютерні науки / Алєйнік Ольга Русланівна. – Київ, 2024. – 71 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/68832
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleПрогнозування ймовірності вступу до університету на основі моделей штучного інтелекту
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Aleynik_bakalavr.pdf
Розмір:
1.8 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ЦТЕ)
Бакалаврські роботи