Мамай В. В.2024-04-122024-04-122021-12-22http://194.44.236.27/handle/123456789/24У даній роботі досліджено та реалізовано програмне забезпечення для інтелектуального прогнозування успішності студентів за допомогою таких моделей, як семестрові оцінки студентів і модель оцінок екзаменаційного і поточного контролю, а також застосовано алгоритм машинного навчання FastTree (швидкі дерева), який забезпечує високу точність прогнозування для різних завдань. Завдяки даним реалізаціям користувач, вводячи необхідні вхідні дані, отримує в результаті прогнозовані значення семестрових оцінок, екзаменаційних оцінок і поточного контролю, а також прогнозований середній рейтинговий бал. Результати прогнозу представлені у графічному та текстовому відображеннях. Також досліджено та порівняно ефективність використання цих моделей та алгоритму для прогнозування успішності студентів. Графічна частина програмного забезпечення розроблена з використанням веб-фреймворку ASP.NET Core Blazor, що дозволяє користувачу взаємодіяти з програмним забезпеченням. Для прогнозування використовуються такі бібліотеки, як ML.NET (для реалізації алгоритму FastTree) та Microsoft Solver Foundation (для реалізації математичних моделей). Для розроблення серверної частини програмного забезпечення застосовано такі технології, як Entity Framework Core та ADO.NET для здійснення запитів до реляційної бази даних MS SQL Server, а також технологію LINQ для їх оброблення. Дана робота містить 55 сторінок пояснювальної записки, 26 рисунків, 3 таблиці, 2 додатка, 21 джерело.otherС#ASP.NET Core BlazorFastTreeML.NETMicrosoft Solver FoundationEntity Framework CoreLINQADO.NETThesis