UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation
Il est important d’étudier et d’analyser les données éducatives, en particulier les données en rapport avec les candidats étudiants pour la formation master informatique de l’IFI par les étudiants, actuellement dont la majorité est d’origine africaine. Le Machine Learning est le domaine d’étude c...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Working Paper |
| Language: | French |
| Published: |
NHÀ XUẤT BẢN ĐẠI HỌC QUỐC GIA HÀ NỘI
2019
|
| Subjects: | |
| Online Access: | http://repository.vnu.edu.vn/handle/VNU_123/67544 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Vietnam National University, Hanoi |
| Language: | French |
| id |
oai:112.137.131.14:VNU_123-67544 |
|---|---|
| record_format |
dspace |
| institution |
Vietnam National University, Hanoi |
| building |
VNU Library & Information Center |
| country |
Vietnam |
| collection |
VNU Digital Repository |
| language |
French |
| topic |
Machine Learning modéli-sation statistique H2OGradient Boosting H2ORandom Forest parcours académique et niveau d’études |
| spellingShingle |
Machine Learning modéli-sation statistique H2OGradient Boosting H2ORandom Forest parcours académique et niveau d’études Niynkuru, Méthode UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation |
| description |
Il est important d’étudier et d’analyser les données éducatives, en particulier les
données en rapport avec les candidats étudiants pour la formation master informatique
de l’IFI par les étudiants, actuellement dont la majorité est d’origine africaine. Le Machine
Learning est le domaine d’étude concerné par les données éd-ucatives. Ce domaine est
comme une manière pour découvrir des modèles et des connais-sances intéressantes dans
le système éducatif. Cette étude porte également sur ce sujet, plus particulièrement sur la
sélection des candidats étudiants pour la bourse de formation master informatique de
l’IFI. Cette étude explore de multiples facteurs théoriquement en rapport avec les candidats
étudiants à la bourse de l’IFI et trouve un modèle qualitatif qui classe et prédit le mieux la
sélection des candidats étu-diants pour la bourse de la formation master de l’IFI. |
| author2 |
2018 INTERNATIONAL CONFERENCE PROCEEDINGS GRADUATE RESEARCH SYMPOSIUM PROCEEDINGS “LINGUISTICS - FOREIGN LANGUAGE EDUCATION INTERDISCIPLINARY FIELDS |
| author_facet |
2018 INTERNATIONAL CONFERENCE PROCEEDINGS GRADUATE RESEARCH SYMPOSIUM PROCEEDINGS “LINGUISTICS - FOREIGN LANGUAGE EDUCATION INTERDISCIPLINARY FIELDS Niynkuru, Méthode |
| format |
Working Paper |
| author |
Niynkuru, Méthode |
| author_sort |
Niynkuru, Méthode |
| title |
UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation |
| title_short |
UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation |
| title_full |
UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation |
| title_fullStr |
UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation |
| title_full_unstemmed |
UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation |
| title_sort |
un système informatique pour appuyer aux études de marché pour la formation du master informatique en afrique institut de la francophonie pour l’innovation |
| publisher |
NHÀ XUẤT BẢN ĐẠI HỌC QUỐC GIA HÀ NỘI |
| publishDate |
2019 |
| url |
http://repository.vnu.edu.vn/handle/VNU_123/67544 |
| _version_ |
1680962459816427520 |
| spelling |
oai:112.137.131.14:VNU_123-675442019-10-03T07:57:19Z UN SYSTÈME INFORMATIQUE POUR APPUYER AUX ÉTUDES DE MARCHÉ POUR LA FORMATION DU MASTER INFORMATIQUE EN AFRIQUE Institut de la Francophonie pour l’Innovation Niynkuru, Méthode 2018 INTERNATIONAL CONFERENCE PROCEEDINGS GRADUATE RESEARCH SYMPOSIUM PROCEEDINGS “LINGUISTICS - FOREIGN LANGUAGE EDUCATION INTERDISCIPLINARY FIELDS Ingénieur Chercheur IFI Hanoi-Vietnam, option SIM Machine Learning modéli-sation statistique H2OGradient Boosting H2ORandom Forest parcours académique et niveau d’études Il est important d’étudier et d’analyser les données éducatives, en particulier les données en rapport avec les candidats étudiants pour la formation master informatique de l’IFI par les étudiants, actuellement dont la majorité est d’origine africaine. Le Machine Learning est le domaine d’étude concerné par les données éd-ucatives. Ce domaine est comme une manière pour découvrir des modèles et des connais-sances intéressantes dans le système éducatif. Cette étude porte également sur ce sujet, plus particulièrement sur la sélection des candidats étudiants pour la bourse de formation master informatique de l’IFI. Cette étude explore de multiples facteurs théoriquement en rapport avec les candidats étudiants à la bourse de l’IFI et trouve un modèle qualitatif qui classe et prédit le mieux la sélection des candidats étu-diants pour la bourse de la formation master de l’IFI. ULIS Machine Learning, Sta- tistical Modeling, H2OGradient Boosting, H2ORandom Forest, Academic Background and Education Level. 2019-10-03T07:57:19Z 2019-10-03T07:57:19Z 2018-11-17 Working Paper 1. htps://www.lebigdata.fr/defnition-big-data 2. Dolluck Phongphanich and Wirat Choonui. An internet-based student admission screening system utilizing data mining. International Journal of Advanced Computer Science and Applica-tions, 8(6) :207–213, 2017.518 2018 INTERNATIONAL CONFERENCE PROCEEDINGS GRADUATE RESEARCH SYMPOSIUM PROCEEDINGS... 3. Bruce H Kemelgor, Scot D Johnson, and S Srinivasan. Forces driving organizational change: A business school perspective. Journal of Education for Business, 75(3) :133–137, 2000. 4. Hassan Chouaib. Sélection de caractéristiques : méthodes et applications. Paris Descartes University: Paris, France, 2011. 5. [5]Philip G Altbach, Liz Reisberg, and LE Rumbley. Évolutions de l’enseignement supérieur au niveau mondial: Vers une révolution du monde universitaire. In Rapport d’orientation pour la Conférence mondiale de l’UNESCO sur l’enseignement supérieur, 2009. 6. Nadir Altinok. La banque mondiale et l’éducation en afrique subsaharienne. analyse normative du meilleur système éducatif. Les cahiers de l’IREDU-CNRS, 64, 2005. 7. Géraldine André.École, langues, cultures et développement. Une analyse des politiques éducatives, linguistiques et culturelles postcoloniales au Burkina Faso, volume 47. Éditions de l’École des hautes études en sciences sociales, 2007. 8. bdoulaye Anne. Conceptualisation et dissemination des ‘bonnes pratiques’ en éducation: essai d’une approche internationale à partir d’enseignements tirés d’un projet. Développement curriculaire et ‘Bonne Pratique en education’. Ginebra : International Bureau of Education, pages 1–11, 2003. 9. ean-Louis Auduc and Jacqueline Bayard-Pierlot. Le système éducatif français. CRDP, 1994. 10. Pierre Bauchet, Académie des sciences (Paris), and Académie des sciences morales et politiques (France). L’éducation, fondement du développement durable en Afrique. Presses univ. de France, 2003. 11. Philippe Besse, CL Gall, Nathalie Raimbault, and Sophie Sarpy. Data mining et statistique. Journal de la société française de statistique, 142(1) :5–36, 2001. 12. Philippe Besse and Béatrice Laurent. De statisticien à data scientist. Statistique et Enseigne-ment (ISSN 2108-6745), 7(1) :75–93, 2016. 13. Robert Godin, Guy Mineau, Rokia Missaoui, and Hafedh Mili. Méthodes de classifcation conceptuelle basées sur les treillis de galois et applications. Revue d’intelligence artifcielle, 9(2) :105–137, 1995. 14. Guido van Rossum et al. The python language. See htp ://www. python. org, 1990. 15. DS Shashaank, V Sruthi, ML Viayalakshimi, and Jacob Shomona Garcia. Turnover predic-tion of shares using data mining techniques : A case study. arXiv preprint arXiv: 1508.00088, 2015. 16. B Renuka Devi, K Rao, S Sety, and M Rao. Disaster prediction system using ibm spss data mining tool. International Journal of Engineering Trends and Technology(IETT), 4 :3352–3357, 2013. 17. Sophie Cerbelle,L’enseignement supérieur au vietnam : les enjeux d’une réforme inspirée des orientations occidentales, Cahiers de la recherche sur l’éducation et les savoirs, (15) :239–262, 2016. 18. Stefan Van der Walt, Johannes L Schönberger, Juan Nunez-Iglesias, François Boulogne, Joshua D Warner, Neil Yager, Emmanuelle Gouillart, and Tony Yu.scikitimage : image processing in python. PeerJ, 2 :e453, 2014. 978-604-62-6097-4 http://repository.vnu.edu.vn/handle/VNU_123/67544 fr application/pdf NHÀ XUẤT BẢN ĐẠI HỌC QUỐC GIA HÀ NỘI |