prikaz prve stranice dokumenta Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
završni rad
Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti
Varaždin: Sveučilište u Zagrebu, Fakultet organizacije i informatike, 2021. urn:nbn:hr:211:781190
Zamuda, Dora
Sveučilište u Zagrebu
Fakultet organizacije i informatike
Katedra za razvoj informacijskih sustava

Citirajte ovaj rad

Zamuda, D. (2021). Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti (Završni rad). Varaždin: Sveučilište u Zagrebu, Fakultet organizacije i informatike. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda, Dora. "Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti." Završni rad, Sveučilište u Zagrebu, Fakultet organizacije i informatike, 2021. https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda, Dora. "Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti." Završni rad, Sveučilište u Zagrebu, Fakultet organizacije i informatike, 2021. https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda, D. (2021). 'Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti', Završni rad, Sveučilište u Zagrebu, Fakultet organizacije i informatike, citirano: 19.04.2024., https://urn.nsk.hr/urn:nbn:hr:211:781190

Zamuda D. Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti [Završni rad]. Varaždin: Sveučilište u Zagrebu, Fakultet organizacije i informatike; 2021 [pristupljeno 19.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:211:781190

D. Zamuda, "Usporedba tehnika strojnog učenja u predikciji akademske uspješnosti", Završni rad, Sveučilište u Zagrebu, Fakultet organizacije i informatike, Varaždin, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:211:781190

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:211:781190
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovUsporedba tehnika strojnog učenja u predikciji akademske uspješnosti
Naslov (engleski)Application of machine learning techniques for academic success prediction
AutorDora Zamuda
MentorDijana Oreški (mentor)
MBZ: 318615
Član povjerenstvaBožidar Kliček (član povjerenstva)
MBZ: 95426
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet organizacije i informatike
(Katedra za razvoj informacijskih sustava)
Varaždin
Datum i država obrane2021-09-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Organizacija i informatika
Sažetak
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.
Ključne riječi
Jezikhrvatski
URN:NBNurn:nbn:hr:211:781190
Studijski programNaziv: Informacijski sustavi
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (univ.bacc.inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Imenovanje 3.0 (CC BY 3.0)
RepozitorijRepozitorij Fakulteta organizacije i informatike
Datum i vrijeme pohrane2021-09-20 04:18:13

(©) Nacionalna i sveučilišna knjižnica u Zagrebu 2015. Sva prava pridržana. | Hrvatske bratske zajednice 4 p.p. 550, 10000 Zagreb, Hrvatska Tel. ++ 385 1 616-4040
OIB: 84838770814 | IBAN: HR66 2340 0091 1000 1008 1, Porezni broj (PDV identifikacijski broj) - VAT Number: HR84838770814
Prijava u repozitorij