Разработка программного модуля оптимизации контроля успеваемости студентов

Пояснительная записка: 79 с., 18 рис., 3 табл., 17 источников, 5 прил.

Целью данного дипломного проекта является разработка программного модуля оптимизации контроля успеваемости студентов.

В качестве объекта исследования была выбрана оптимизация контроля успеваемости студентов.

В ходе выполнения дипломного проекта решаются следующие задачи:

- исследование особенностей существующих аналогов;

- разработка требований к системе;

- обоснование и выбор языков программирования и средств разработки;

- реализация данных для обучения и распознавания;

- реализация обучения на выбранных данных;

- тестирование разработанной системы;

- разработка удобного пользовательского интерфейса;

- тестирование разработанной системы.

Для реализации дипломного проекта было выбранно IDE PyCharm, язык программирования Python.

ВВЕДЕНИЕ.......................................................................................................... 7

1 ПОСТАНОВКА ЗАДАЧИ................................................................................. 9

1.1 Необходимый функционал проекта................................................................ 9

1.2 Требования к интерфейсу разрабатываемого проекта.................................... 9

1.3 Требуемая точность прогнозирования системы........................................... 10

1.4 Системные требования для работы программы........................................... 10

2 ОБОСНОВАНИЕ ЦЕЛЕСООБРАЗНОСТИ РАЗРАБОТКИ АЛГОРИТМОВ БИНАРНОЙ КЛАССИФИКАЦИИ ........................................................................................ 11

2.1 Суть технической проблемы бинарной классификации............................... 11

2.2 Эффективность бинарной классификации................................................... 11

2.3 Анализ существующих аналогов бинарной классфикации.......................... 14

2.3.1 «Случайный лес»....................................................................................... 15

2.3.2 Градиентный бустинг деревьев решений.................................................. 17

2.3.3 Байесовский классификатор...................................................................... 17

2.3.4 Дискриминантный анализ.......................................................................... 19

2.3.5 Логистическая регрессия........................................................................... 19

2.3.5 Метод опорных векторов........................................................................... 21

3 ОБЗОР СУЩЕСТВУЮЩИХ ПРОГРАММНЫХ СРЕДСТВ ДЛЯ КОМПЬЮТЕРНОГО УЧЕТА УСПЕВАЕМОСТИ И ПОСЕЩАЕМОСТИ.......................................... 23

4 ОБОСНОВАНИЕ ВЫБОРА СРЕДСТВ РАЗРАБОТКИ СИСТЕМЫ.............. 28

4.1 Анализ и обоснование выбора языка программирования Python................. 28

4.2 Анализ и обоснование выбоа среды разработки PyCharm........................... 29

4.3 Обоснование выбора готовых модулей в Python.......................................... 31

4.3.1 Библиотека Matplotlib................................................................................ 30

4.3.2 Библиотека NumPy.................................................................................... 31

4.3.3 Библиотека Pandas..................................................................................... 31

4.3.4 Библиотека Sklearn.................................................................................... 31

5 РАЗРАБОТКА И РЕАЛИЗАЦИЯ ПРОГРАММНОГО МОДУЛЯ ОПТИМИЗАЦИИ КОНТРОЛЯ УСПЕВАЕМОСТИ СТУДЕНТОВ................................................ 33

5.1 Сбор данных для обучения........................................................................... 33

5.2 Разработка и реализация алгоритма обучения............................................. 36

5.3 Разработка и реализация алгоритма прогнозирования................................. 40

5.4 Разработка и реализация пользовательского интерфейса............................ 42

6 ОПИСАНИЕ РАЗРАБОТКИ ЭОС................................................................... 43

6.1 Описание входных и выходных данных....................................................... 43

6.2 Потоки данных............................................................................................. 44

7 ТЕСТИРОВАНИЕ СИСТЕМЫ....................................................................... 45

8 ОХРАНА ТРУДА, ВОПРОСЫ БЕЗОПАСНОСТИ

ЖИЗНЕДЕЯТЕЛЬНОСТИ И ГРАЖДАНСКОЙ ОБОРОНЫ............................. 46

8.1 Анализ условий труда в помещении с ПК.................................................... 46

8.2 Мероприятия по улучшению условий труда................................................ 47

8.3 Расчет заземления общего контура здания, который должен быть выведен к каждой розетке с ПК....................................................................................................... 48

8.4 Мероприятия по обеспечению пожарной безопасности............................... 50

8.5 Безопасность жизнедеятельности................................................................. 51

8.6 Гражданская оборона................................................................................... 55

ЗАКЛЮЧЕНИЕ.................................................................................................. 60

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ................................................. 61

Приложение А ТЕХНИЧЕСКОЕ ЗАДАНИЕ..................................................... 63

Приложение Б РУКОВОДСТВО ПОЛЬЗОВАТЕЛЯ......................................... 65

Приложение В ЭКРАННЫЕ ФОРМЫ............................................................... 66

Приложение Г ЛИСТИНГ ПРОГРАММЫ......................................................... 68

Приложение Д ПЕРЕЧЕНЬ ЗАМЕЧАНИЙ НОРМОКОНТРОЛЕРА К ДИПЛОМНОМУ ПРОЕКТУ.......................................................................................................... 79

1. Головко, В.А. Нейроинтеллект: Теория и применения. Книга 1. Организация и обучение нейронных сетей с прямыми и обратными связями / В.А. Головко. – Брест: БПИ, 1999. – 260 с.

2. Журавлёв, Ю.И. Распознавание. Классификация. Прогноз. Математические методы и их применение / Ю.И. Журавлёв. – Вып.2. – М. : Наука, 1989. – 163 с.

3. Колесников, С. Распознавание образов. Общие сведения / С. Колесников // Сайт газеты «Компьютер-Информ» [Электронный ресурс]. – Режим доступа : http://www.ci.ru/inform03_06/p_24.htm

4. Осовский, С. Нейронные сети для обработки информации / С. Осовский. – М. : Финансы и статистика, 2002. – 89 с.

5. Попко, Е. Распознавание образов : с чего начинать / Е. Попко. // Класс робототехники [Электронный ресурс]. – Режим доступа : http://robotclass.ru/распознавание-образов-с-чего-начинат/

6. Алпатов, Б.А. Алгоритм оценки местоположения объекта на двумерном изображении / Б.А. Алпатов, А.А. Селяев. // Изв. вузов. Приборостроение – 1988 – Т. XXXI. № 5. – С. 3-6.

7. Головко, В.А. Нейроинтеллект: Теория и применения. Книга 2. Самоорганизация, отказоустойчивость и применение нейронных сетей / В.А. Головко. – Брест: БПИ, 1999. – 228 с.

8. Круг, П.Г. Нейронные сети и нейрокомпьютеры: Учебное пособие по курсу «Микропроцессоры» для студентов, обучающихся по направлению «Информатика и вычислительная техника» / П.Г. Круг. – М : МЭИ, 2002. – 216 с.

9. Хайкин, С. Нейронные сети. Полный курс / С.Хайкин; [пер. с анг]. – М. : Вильямс, 2006. – 1104 с.

10. Амосов, О.С. Интеллектуальные информационные системы. Нейронные сети и нечеткие системы : учебное пособие для студентов специальностей 010502 «Прикладная информатика (по областям)», 230201 «Информационные системы и технологии» вузов региона / О. С. Амосов. – Комсомольск-на-Амуре: КнАГТУ, – 2006. – 136 с.

11. Калмыков, Д.А. Использование методов машинного обучения в задачах бинарной классификации / Д.А. Калмыков, Е.В. Бычкова. // Материалы XII Международной научно-технической конференции «Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ-2021), 26-27 мая 2021, г.Донецк : ДонНТУ, 2021. – С. 343-348.

12. Колесников, С. Распознавание образов. Общие сведения / С. Колесников. // Сайт газеты «Компьютер-Информ» [Электронный ресурс]. – Режим доступа : http://www.ci.ru/inform03_06/p_24.htm

13. Бидюк, П.И. Построение и методы обучения байесовских сетей / П.И. Бидюк, А.Н. Терентьев. // Информатика и кибернетика, 2004. ­­– № 2. – С. 140-154.

14. Breiman, W. 1Random Forests / Breiman, W. // Machine Learning, 45(1), 2001. – Р. 5-32.

15. Васильев, Н.П. Опыт расчета параметров логистической регрессии методом НьютонаРафсона для оценки зимостойкости растений / Н.П. Васильев, А.А. Егоров. // Математическая биология и биоинформатика, 2011. – Т. 6. – № 2. – С. 190-199.

16. Клячкин, В.Н. Сравнительный анализ точности нелинейных моделей при прогнозировании состояния системы на основе марковской цепи / В.Н. Клячкин, Ю.С. Донцова. // Известия Самарского научного центра РАН, 2013. – Т. 15. – № 4(4). – С. 924-927.

17. Метод опорных векторов [Электронный ресурс]. – Режим доступа : https://ru.wikipedia.org/wiki/Метод_опорных_векторов