Рекомендательная система для выбора майнеров в вузе на основе алгоритмов машинного обучения

В данной работе рассматривается проблема создания специальной рекомендательной системы для выбора майнора студентом университета. В этой работы были использованы реальные данные об успеваемости студентов. В работе используется комбинация методов, в частности, статистических методов анализа данных и нейронных сетей. Кроме того, в рамках работы была проведена серия экспериментов, по результатам которых была внедрена система рекомендаций. Была проведена работа по подготовке реальных данных о студентах для анализа: существовали некорректные, неполные и пустые данные, которые требовали дополнительной обработки. Было подготовлено несколько наборов данных на основе предположений, которые включали вероятность попадания в одну группу и один факультет. Чтобы проверить гипотезы о взаимозависимости оценки для успеваемости несовершеннолетних и учащихся, в рамках курсовой работы была проведена серия экспериментов. Эксперименты показали, что возможно построить нейронную сеть на основе данных студентов. Эта нейронная сеть может рекомендовать студентам наиболее подходящий дополнительный курс - майнор. Используя эту нейронную сеть, была разработана система рекомендаций, которая принимает запрос: данные о студенте и, основываясь на списке майноров, рекомендует те, которые наиболее подходят для студента, то есть они могут заинтересовать студента. Эта система рекомендаций разработана как веб-приложение и может быть интегрирована в существующую университетскую систему. Для подготовки данных, их анализа и построения нейронной сети использовались следующие инструменты: Python, программный пакет Anaconda, библиотека Pandas для анализа и библиотека Scikit-learn.