26,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Przedwczesne ko¿czenie nauki jest jednym z najbardziej intryguj¿cych i kluczowych problemów w edukacji. Problem ten przenika ró¿ne poziomy i sposoby ksztäcenia i generuje straty spo¿eczne, ekonomiczne, polityczne, akademickie i finansowe dla wszystkich zaangäowanych w proces ksztäcenia. Dlatego te¿ niezb¿dne jest opracowanie skutecznych metod przewidywania ryzyka porzucenia nauki przez uczniów. Podej¿cie zostäo zwalidowane na danych pochodz¿cych od by¿ych studentów kierunku informatyka, wykorzystano modele klasyfikacyjne, jedn¿ z technik sztucznej inteligencji, która umo¿liwia ci¿g¿e uczenie…mehr

Produktbeschreibung
Przedwczesne ko¿czenie nauki jest jednym z najbardziej intryguj¿cych i kluczowych problemów w edukacji. Problem ten przenika ró¿ne poziomy i sposoby ksztäcenia i generuje straty spo¿eczne, ekonomiczne, polityczne, akademickie i finansowe dla wszystkich zaangäowanych w proces ksztäcenia. Dlatego te¿ niezb¿dne jest opracowanie skutecznych metod przewidywania ryzyka porzucenia nauki przez uczniów. Podej¿cie zostäo zwalidowane na danych pochodz¿cych od by¿ych studentów kierunku informatyka, wykorzystano modele klasyfikacyjne, jedn¿ z technik sztucznej inteligencji, która umo¿liwia ci¿g¿e uczenie si¿. W podej¿ciu walidacyjnym zastosowano pi¿¿ modeli uczenia maszynowego, przy czym dwa modele uzyskäy lepsze wskäniki dok¿adno¿ci (SVM i Adaboost).
Autorenporträt
Bachelor in Informationssystemen an der Bundesuniversität von Ceará (UFC), Master in Informatik an der Bundesuniversität der Halbwüste (UFERSA). Er interessiert sich für die Bereiche Künstliche Intelligenz (KI), Datenbanken (BD), Data Mining (DM) und Maschinelles Lernen (ML).