Recommandation intelligente de cours : Une perspective hybride d'apprentissage profond

ISBN-13: 9786200720542 / Francuski / Miękka / 2025 / 64 str.

Chandra Sekhar Kolli; Venkata Krishna Reddy Vadisena; A K S Rajeev Kumar Gottala

Opis

À une époque où les étudiants peuvent être submergés par les choix pédagogiques, HHFHNet s'impose comme une solution révolutionnaire pour des recommandations de cours précises. Ce guide complet présente l'architecture innovante Hybrid HAN HDLTex Forward Harmonic Net (HHFHNet), un système sophistiqué qui combine la puissance des réseaux d'attention hiérarchiques (HAN) et du Deep Learning hiérarchique pour les textes (HDLTex). Grâce à une exploration détaillée de la fréquence des termes et de la fréquence inverse des documents (TF-IDF), des recommandations basées sur le classement et de l'intelligence artificielle explicable (XAI), les lecteurs maîtriseront les subtilités de la création de systèmes intelligents de recommandation de cours. L'ouvrage présente une approche novatrice de l'orientation pédagogique, intégrant le filtrage basé sur le contenu, le filtrage collaboratif et des méthodes hybrides pour résoudre le difficile problème du démarrage à froid. Que vous soyez chercheur en IA, spécialiste des technologies éducatives ou développeur d'établissements universitaires, cette ressource essentielle fournit les bases théoriques et les stratégies de mise en oeuvre pratiques nécessaires pour révolutionner les processus de sélection de cours.