Yildiz Technical University - AVESIS· 2020· Book chapter
Eğitimde Yapay Zeka: Kuramdan Uygulamaya
- 0citations
- 2020year
Short summary
This chapter introduces machine learning concepts, including classification, clustering (partitioning, hierarchical), artificial neural networks, and deep neural networks, with examples from education.
AI-generated from the title and abstract; the full text is not read.
Key points
- Introduces core machine learning concepts: clustering, classification, learning, and prediction.
- Explains methods including partitioning, hierarchical clustering, artificial neural networks, and deep neural networks.
- Highlights feature selection as a crucial step for reducing data dimensionality in machine learning.
- Discusses the application of machine learning for predicting academic success and failure.
- Reviews recent national and international studies on machine learning and academic achievement prediction.
AI-generated from the title and abstract; the full text is not read.
Abstract
Bu bölümde “makine öğrenmesi” kavramı genel hatları ve özellikleri okuyucuya tanıtılacaktır. Temel kavramların yanı sıra sınıflama ve kümeleme analizlerinin alt başlıkları olan parçalama ve hiyerarşik kümeleme yöntemleri ile yapay sinir ağları ve derin sinir ağlarına da yer verilecektir. Bu bağlamda; kümeleme, sınıflandırma, öğrenme, ilişki belirleme, akademik başarı ve tahmin gibi bilinmesi gereken önemli kavramlar tanıtılacaktır. Her bir kavram ait eğitim bilimleri ile ilgili örnekler de sunulacaktır. Makine öğrenmesi sürecinin önemli aşamalarından biri veri boyutunun azaltılması işlemidir. Özellik seçimi, veri kümesinden ilgisiz veya gereksiz değişkenlerin çıkartılması olarak tanımlanmaktadır. Veri boyutunun azaltılması için kullanılan yöntemlerin başında özellik seçimi gelmektedir. Öneminden dolayı veri seçiminin makine öğrenmesine etkisi ve özellik seçim yöntemleri bu bölümde ele alınıp son olarak konu ile ilgili son yıllarda yayınlanmış olan ulusal ve uluslararası akademik çalışmalar incelenecek, makine öğrenmesi ve akademik başarı tahmini ile ilgili güncel literatür paylaşılacaktır. Ardından tüm adımları detaylı bir şekilde ortaya konulacak şekilde bir başarı tahmin modeli, bulguları ve sonuçları okuyucu ile paylaşılacaktır. Bu çalışmalardan hareketle akademik başarı ve başarısızlığın tahmin edilmesinin eğitim yöneticileri ve öğrenenler, yani paydaşlar için ne gibi fırsatlar sunduğu üzerinden durularak makine öğrenmesinin akademik başarı ve başarısızlık üzerindeki etkileri incelenecektir.
The authors' abstract, as published at the source. Yildiz Technical University - AVESIS, 2020 · DOI ↗
Continue with a free account
Ask the paper: 3 free questions a day about this paper; save it, get its citation, new summaries every day for your field. Takeaways are Premium.
Continue free on the webSign in with Google or Apple; no card needed. You come back to this paper.
On your phone:
Field: Information Systems
Information SystemsComputer Science