TAILIEUCHUNG - Ứng dụng autoencoder phân nhóm sinh viên dựa trên dữ liệu điểm số

Bài toán phân loại sinh viên là vấn đề rất phổ biến trong các cơ sở đào tạo. Việc phân loại tốt và phát hiện các nhóm sinh viên cần hỗ trợ sẽ giúp cơ sở đào tạo có kế hoạch phù hợp trong việc giúp đỡ hoặc tư vấn giúp sinh viên có thể khắc phục các vấn đề nảy sinh một cách sớm nhất có thể, qua đó thực hiện tốt hơn quá trình học tập, và nâng cao chất lượng đào tạo của cơ sở nói chung. Bài viết trình bày việc ứng dụng autoencoder phân nhóm sinh viên dựa trên dữ liệu điểm số. | Tuyển tập Hội nghị Khoa học thường niên năm 2017. ISBN 978-604-82-2274-1 ỨNG DỤNG AUTOENCODER PHÂN NHÓM SINH VIÊN DỰA TRÊN DỮ LIỆU ĐIỂM SỐ Trương Xuân Nam Trường Đại học Thủy lợi email namtx@ 1. GIỚI THIỆU CHUNG điểm trung bình 7 9 loại khá rất có thể sinh viên loại giỏi có năng lực chuyên môn kém Bài toán phân loại sinh viên là vấn đề rất hơn nhưng điểm số các môn không phải phổ biến trong các cơ sở đào tạo. Việc phân chuyên môn lại tốt hơn. loại tốt và phát hiện các nhóm sinh viên cần Như vậy để đánh giá phân loại sinh viên hỗ trợ sẽ giúp cơ sở đào tạo có kế hoạch phù một cách chính xác hơn cần phải sử dụng hợp trong việc giúp đỡ hoặc tư vấn giúp sinh các mô hình phân nhóm xác suất. viên có thể khắc phục các vấn đề nảy sinh một cách sớm nhất có thể qua đó thực hiện 2. PHƯƠNG PHÁP NGHIÊN CỨU tốt hơn quá trình học tập và nâng cao chất lượng đào tạo của cơ sở nói chung. . Mô hình hóa bài toán Chẳng hạn như nếu phát hiện được một Trong báo cáo này chúng tôi xem dữ liệu sinh viên qua học kỳ trước bị ốm nghỉ học mỗi sinh viên như một vector đầu vào 50 nhiều và mất kiến thức cơ bản ở một số môn thành phần là dữ liệu điểm số từng môn của quan trọng cố vấn học tập có thể giúp sinh sinh viên. Dữ liệu điểm số là số thực từ 0 0 viên đó tạo ra một kế hoạch học tập trong kỳ đến 10 0 và có thể để trống sinh viên chưa tiếp theo phù hợp với mục tiêu bổ sung hoàn học môn đó . Số lượng thành phần của vector thiện kiến thức cơ bản trước khi tiếp tục học nhiều hơn số đầu môn thực học của từng sinh các môn chuyên ngành. viên vì bao gồm cả các môn tự chọn. Khi chưa có các phương pháp học máy Với mỗi sinh viên có thể có các đánh giá các phương pháp tính toán dựa trên thống kê kèm theo một sinh viên có thể có một vài được sử dụng phổ biến thậm chí được luật đánh giá hoặc không có đánh giá nào. Các hóa thành các quy chế đào tạo trong đó sinh đánh giá về sinh viên được chuyển thành viên được đánh giá bởi điểm số trung bình vector nhị phân 5 thành phần đặc trưng cho các ngưỡng

• Toán học
• Ứng dụng autoencoder phân nhóm sinh viên
• Dữ liệu điểm số
• Mô hình hóa bài toán
• Phương pháp học máy
• Vector xác suất phân loại