Sana Zaheer

A extra o de dados um dom nio emergente utilizado na educa o para melhorar a perce o e o m todo de aprendizagem dos alunos. Centra-se no reconhecimento, extra o e c lculo de dados associados ao m todo de aprendizagem e na melhoria do desempenho dos alunos. A extra o de dados num dom nio de aprendizagem conhecida como extra o de informa o educativa, que se preocupa com a explora o das t cnicas mais recentes para descobrir conhecimentos de dom nios educativos. O objetivo do nosso estudo avaliar o desempenho dos alunos com base em diferentes atributos, como os resultados acad micos (CGPA), o sexo, a nota dos testes da turma, o ambiente da turma, os fundos/bolsas/particulares, etc. Na nossa investiga o, utilizaremos t cnicas de classifica o e de agrupamento para analisar o desempenho dos estudantes. As t cnicas utilizadas no nosso trabalho s o a rvore de decis o, a classifica o bayesiana - algoritmos m dios, redes neurais, bayes ing nuo, sistema baseado na Web e m todos do vizinho mais pr ximo.

Il Data Mining un campo emergente utilizzato in ambito educativo per migliorare la percezione e il metodo di apprendimento degli studenti. Si concentra sul riconoscimento, sull'estrazione e sul calcolo dei dati associati al metodo di apprendimento e sul miglioramento delle prestazioni degli studenti. L'estrazione in un campo di apprendimento nota come information mining educativo, che si occupa di esplorare le tecniche pi recenti per scoprire la conoscenza nei campi educativi. Lo scopo del nostro studio quello di valutare le prestazioni degli studenti prendendo in considerazione diversi attributi come i risultati accademici (CGPA), il sesso, il voto del test di classe, l'ambiente della classe, i fondi/le borse di studio/il privato ecc. Nella nostra ricerca utilizzeremo tecniche di classificazione e clustering per analizzare le prestazioni degli studenti. Le tecniche utilizzate nel nostro lavoro sono l'albero decisionale, gli algoritmi bayesiani di classificazione, le reti neurali, il na ve's bayes, il sistema basato sul web e i metodi nearest neighbor.

L'exploration de donn es est un domaine mergent utilis des fins ducatives pour am liorer la perception et la m thode d'apprentissage des tudiants. Il se concentre sur la reconnaissance, l'extraction et le calcul des donn es associ es la m thode d'apprentissage et l'am lioration des performances des tudiants. L'exploitation mini re dans un domaine d'apprentissage est connue sous le nom d'exploitation mini re d'informations ducatives, qui se consacre l'exploration des derni res techniques pour trouver des connaissances dans les domaines de l' ducation. L'objectif de notre tude est d' valuer les performances des tudiants en prenant en compte diff rents attributs tels que les r sultats acad miques (CGPA), le sexe, les notes obtenues aux tests de classe, l'environnement de la classe, les fonds/bourses d' tudes/priv s, etc. Dans notre recherche, nous utiliserons des techniques de classification et de regroupement pour analyser les performances des tudiants. Les techniques utilis es dans notre travail sont l'arbre de d cision, la classification bay sienne, les algorithmes moyens, les r seaux neuronaux, les bayes na ves, le syst me bas sur le Web et les m thodes du plus proche voisin.

Das Data Minning ist ein aufstrebender Bereich, der in der Bildung eingesetzt wird, um die Wahrnehmungs- und Lernmethoden der Sch ler zu verbessern. Es konzentriert sich auf das Erkennen, Extrahieren und Berechnen von Daten im Zusammenhang mit der Lernmethode und der Verbesserung der Sch lerleistungen. Mining in einem Lernbereich ist als p dagogisches Information Mining bekannt, das sich mit der Erforschung neuester Techniken befasst, um Wissen aus Bildungsbereichen herauszufinden. Der Zweck unserer Studie ist es, die Leistung der Sch ler anhand verschiedener Attribute wie akademische Leistungen (CGPA), Geschlecht, Klassenpr fungsnote, Umfeld der Klasse, Fonds/Stipendien/Privat etc. zu bewerten. In unserer Untersuchung werden wir Klassifizierungs- und Clustering-Techniken verwenden, um die Leistungen der Sch ler zu analysieren. Die in unserer Arbeit verwendeten Techniken sind Entscheidungsb ume, Bayes'sche Klassifizierungs-Mittelwert-Algorithmen, neuronale Netze, naive Bayes, webbasierte Systeme und Nearest Neighbour-Methoden.