Σύστημα πρόβλεψης επίδοσης φοιτητών ΕΣΔ βάση της επίδοσης τους στις προεισαγωγικές εξετάσεις
Date Issued
May 2015
Author(s)
Advisor
Abstract
Η παρούσα πτυχιακή εργασία με τίτλο " Σύστημα πρόβλεψης επίδοσης φοιτητών ΕΣΔ βάση της επίδοσης τους στις προεισαγωγικές εξετάσεις " εκπονήθηκε από τον Στέφανο Βρυωνίδη, φοιτητή του 8ου εξαμήνου του Τμήματος ΕΣΔ του ΤΕΠΑΚ υπό την επίβλεψη του καθηγητή Νικόλα Τσαπατσούλη και ολοκληρώθηκε τον Μάιο του 2015.
Σκοπός της παρούσας εργασίας είναι η δημιουργία ενός συστήματος μέσω του οποίου θα γίνεται πρόβλεψη της επίδοσης των φοιτητών του Τμήματος Επικοινωνίας και Σπουδών Διαδικτύου με βάση της επίδοσης τους στις προεισαγωγικές εξετάσεις. Η υλοποίηση του συστήματος αυτού έγινε με βάση τις τεχνικές της τεχνητής νοημοσύνης και πιο συγκεκριμένα με χρήση νευρωνικών δικτύων. Μετά την συλλογή των δεδομένων, χρησιμοποιήθηκε το WEKA το οποίο είναι ένα πρόγραμμα που περιλαμβάνει μια μεγάλη συλλογή αλγορίθμων μηχανικής μάθησης καθώς και εργαλεία προεπεξεργασίας δεδομένων. Μέσω του WEKA εκπαίδευσα διάφορους αλγόριθμους με τα δεδομένα εισόδου και ο αλγόριθμος με τα πιο έγκυρα αποτελέσματα επιλέχθηκε για να εφαρμοστεί στο σύστημα. Από τα δεδομένα το 70% χρησιμοποιήθηκε για εκπαίδευση του συστήματος και το υπόλοιπο 30% χρησιμοποιήθηκε για έλεγχο των προβλέψεων. Ο αλγόριθμος που επιλέχθηκε είναι ο Multilayer Perceptron ο οποίος ανήκει στα νευρωνικά δίκτυα και τα αποτελέσματα του ήταν αποδεκτά καθώς ο μέσος όρος λάθους της πρόβλεψης έφθανε μέχρι 0.9 μονάδες το οποίο πάνω κάτω είναι μικρή διαφορά.
Σκοπός της παρούσας εργασίας είναι η δημιουργία ενός συστήματος μέσω του οποίου θα γίνεται πρόβλεψη της επίδοσης των φοιτητών του Τμήματος Επικοινωνίας και Σπουδών Διαδικτύου με βάση της επίδοσης τους στις προεισαγωγικές εξετάσεις. Η υλοποίηση του συστήματος αυτού έγινε με βάση τις τεχνικές της τεχνητής νοημοσύνης και πιο συγκεκριμένα με χρήση νευρωνικών δικτύων. Μετά την συλλογή των δεδομένων, χρησιμοποιήθηκε το WEKA το οποίο είναι ένα πρόγραμμα που περιλαμβάνει μια μεγάλη συλλογή αλγορίθμων μηχανικής μάθησης καθώς και εργαλεία προεπεξεργασίας δεδομένων. Μέσω του WEKA εκπαίδευσα διάφορους αλγόριθμους με τα δεδομένα εισόδου και ο αλγόριθμος με τα πιο έγκυρα αποτελέσματα επιλέχθηκε για να εφαρμοστεί στο σύστημα. Από τα δεδομένα το 70% χρησιμοποιήθηκε για εκπαίδευση του συστήματος και το υπόλοιπο 30% χρησιμοποιήθηκε για έλεγχο των προβλέψεων. Ο αλγόριθμος που επιλέχθηκε είναι ο Multilayer Perceptron ο οποίος ανήκει στα νευρωνικά δίκτυα και τα αποτελέσματα του ήταν αποδεκτά καθώς ο μέσος όρος λάθους της πρόβλεψης έφθανε μέχρι 0.9 μονάδες το οποίο πάνω κάτω είναι μικρή διαφορά.
File(s)![Thumbnail Image]()
Name
Πτυχιακή Εργασία_Στέφανος Βρυωνίδης.pdf
Size
1.11 MB
Format
Adobe PDF
Checksum (MD5)
1a7031810864834568ae5e087ca40749