РОЗРОБКА ОСВІТНІХ ПРОГРАМ З ВИКОРИСТАННЯМ МЕТОДІВ МАШИННОГО НАВЧАННЯ НА ОСНОВІ ДАНИХ РИНКУ ПРАЦІ
No Thumbnail Available
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Ця робота присвячена дослідженню методів машинного навчання для підтримки розробки
освітніх програм на основі даних ринку праці. Основна увага зосереджена на
використанні машинного навчання для аналізу попиту на професії та навички, а також
прогнозування змін на ринку праці. Метою дослідження є створення підходу до
застосування машинного навчання в освітній аналітиці, що сприяє розробці програм, які
відповідають актуальним вимогам роботодавців та підвищують конкурентоспроможність
випускників на ринку праці. / This work is dedicated to exploring machine learning methods to
support the development of academic programs based on labor market data. The main focus is on
using machine learning for analyzing demand for professions and skills and forecasting changes in the
labor market. The aim of the study is to create an approach for applying machine learning in
educational analytics, which contributes to designing programs that meet current employer
requirements and enhance graduates' competitiveness in the job market.
Description
Гулін, О. В. Розробка освітніх програм з використанням методів машинного навчання на основі даних ринку праці = Developing academic programs using machine learning methods based on labor market data.: кваліфікаційна робота на здобуття ступеня вищої освіти «магістр» / О. В. Гулін ; наук. керівник д. е. н. проф. В. М. Кобець ; Міністерство освіти і науки України ; Херсонський держ. ун-т, Ф-т комп'ютерних наук, фізики та математики, К-ра комп'ютерних наук та програмної інженерії. – Херсон-Івано-Франківськ : ХДУ, 2024. – 48 с.
Keywords
навички фахівця з даних, аналіз ринку праці, неконтрольоване навчання, кластеризація, узгодження академічної програми, специфічні предметні компетенції, Data specialist skills, labor market analysis, unsupervised learning, clustering, academic program alignment, specific subject competencies