Нейронная модель определения образовательных направлений выпускников школ

<jats:p>В данной статье разработана модель на основе методов машинного обучения и искусственных нейронных сетей для прогнозирования образовательных направлений выпускников школ. В рамках исследования сформирован набор данных, включающий 20 признаков, отражающих академическую успеваемость учащихся, их интерес к предметам, уровень soft skills, а также психологические факторы. На основе набора данных, содержащего 2000 записей, проведено сравнительное исследование пяти алгоритмов машинного обучения: Logistic Regression, Random Forest, Support Vector Machine, K-Nearest Neighbors и нейронные сети. Экспериментальные результаты показали, что модель нейронной сети обладает высокой эффективностью при выявлении сложных нелинейных зависимостей. Оценка моделей проводилась с использованием метрик Accuracy, Precision, Recall и F1-score. Результаты исследования демонстрируют, что системы, основанные на искусственном интеллекте, играют важную роль в автоматизации процесса определения профессиональной ориентации выпускников и совершенствовании систем профориентации в образовательных учреждениях.</jats:p>