prikaz prve stranice dokumenta Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti
Access restricted to authenticated users
undergraduate thesis
Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti
Varaždin: University of Zagreb, Faculty of Organization and Informatics, 2021. urn:nbn:hr:211:781190
Zamuda, Dora
University of Zagreb
Faculty of Organization and Informatics
Department of Information Systems Development

Institutional repository: Faculty of Organization and Informatics - Digital Repository

Cite this document

Zamuda, D. (2021). Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti (Undergraduate thesis). Varaždin: University of Zagreb, Faculty of Organization and Informatics. Retrieved from https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda, Dora. "Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti." Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, 2021. https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda, Dora. "Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti." Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, 2021. https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda, D. (2021). 'Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti', Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, accessed 30 November 2024, https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda D. Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti [Undergraduate thesis]. Varaždin: University of Zagreb, Faculty of Organization and Informatics; 2021 [cited 2024 November 30] Available at: https://urn.nsk.hr/urn:nbn:hr:211:781190

D. Zamuda, "Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti", Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, Varaždin, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:211:781190

Metadata
TitleUsporedba tehnika strojnog učenja u predikciji akademske uspješnosti
Title (english)Application of machine learning techniques for academic success prediction
AuthorDora Zamuda
MentorDijana Oreški (mentor)
MBZ: 318615
Committee memberBožidar Kliček (član povjerenstva)
MBZ: 95426
GranterUniversity of Zagreb
Faculty of Organization and Informatics
(Department of Information Systems Development)
Varaždin
Defense date and country2021-09-17, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Organization and Informatics
Abstract
U radu Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti, govori se o predviđanju uspjeha studenata pomoću tri različite tehnike rudarenja podataka, linearna regresija pa zatim neuronske mreže te stabla odlučivanja. Usporedba navedenih tehnika provodi se uz analiziranje čimbenika koji utječu na uspjeh studenata, a kreirani su modeli koji na temelju demografskih podataka, podataka o stavovima, o studiranju i o navikama rade baš navedeno. Uspješnost studenta mjerena je prosjekom ocjena studija. U radu se analizira osjetljivost izlazne varijable modela na ulazne i među najvažnijim varijablama kod neuronskih mreža bile su instrukcije, razlog upisa, obitelj i spol. Kada govorimo o stablu odlučivanja dolazimo do malo drugačije situacije pa su tada najbitnije varijable ponavljanje predmeta, razlog upisa, godina upisa, obitelj i učenje. Proširenjem veličine uzorka sa sadašnjih 262 te ponavljanjem određenih tehnika strojnog učenja i uključivanjem novih mogli bi doći do stvaranja vrlo uspješnog modela, koji bi postao osnova u pružanju pomoći fakultetu, kako prije tako i za vrijeme obrazovanja studenata.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:211:781190
Study programmeTitle: Information Systems
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to authenticated users
Terms of useLicence Attribution 3.0 Unported (CC BY 3.0) icon
Created on2021-09-20 04:18:13