Ir al contenido (pulsa Retorno)

Universitat Politècnica de Catalunya

    • Català
    • Castellano
    • English
    • LoginRegisterLog in (no UPC users)
  • mailContact Us
  • world English 
    • Català
    • Castellano
    • English
  • userLogin   
      LoginRegisterLog in (no UPC users)

UPCommons. Global access to UPC knowledge

60.175 UPC academic works
You are here:
View Item 
  •   DSpace Home
  • Treballs acadèmics
  • Escola Tècnica Superior d'Enginyeria Industrial de Barcelona
  • Grau en Enginyeria en Tecnologies Industrials (Pla 2010)
  • View Item
  •   DSpace Home
  • Treballs acadèmics
  • Escola Tècnica Superior d'Enginyeria Industrial de Barcelona
  • Grau en Enginyeria en Tecnologies Industrials (Pla 2010)
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Estudio del rendimiento de técnicas de minería de datos en la predicción de resultados académicos

Thumbnail
View/Open
tfg-memoria.pdf (1,715Mb)
Share:
 
  View Usage Statistics
Cita com:
hdl:2117/167732

Show full item record
Mascort Colomer, Alejandro
Tutor / directorTalavera Méndez, Luis JoséMés informacióMés informacióMés informació
Document typeBachelor thesis
Date2019-07-16
Rights accessOpen Access
Attribution-NonCommercial-ShareAlike 3.0 Spain
Except where otherwise noted, content on this work is licensed under a Creative Commons license : Attribution-NonCommercial-ShareAlike 3.0 Spain
Abstract
El presente documento pretende establecer una primera comparación de diferentes métodos de predicción, la comparación se realiza en base a los resultados que se obtienen con cada método a la hora de predecir si los alumnos de la escuela aprobarán o suspenderán, en su primer intento, las asignaturas pertenecientes al tercer cuatrimestre del grado (Q3). Los métodos que se emplean son la Regresión Logística, los Árboles de Decisión y los Support Vector Machine lineales. Para realizar este proyecto se sigue una famosa metodología empleada en proyectos de esta tipología, la metodología CRISP-DM, cada una de las etapas de dicha metodología está adaptada a este trabajo. La manipulación de datos, creación de modelos y obtención de resultados se realiza través del lenguaje de programación Python, destacando las librerías Pandas y SciKit-Learn. De los análisis de este trabajo se concluye que para la mayoría de las asignaturas del Q3, los dos grupos (aprobados y suspensos) no son separables linealmente entre sí y por esta razón los mejores resultados se obtienen de los Árboles de Decisión, a ello se le suma que en la mayoría de las asignaturas el número de aprobados es mucho mayor, y por ello, los resultados favorecen a este grupo. Los suspensos son predichos de forma acertada en más del 50%, únicamente para Electromagnetismo y Mecánica. En la sección de Trabajos Futuros de este proyecto se muestran algunos mecanismos que permitirían obtener mejores resultados para los métodos empleados y se sugieren posibles nuevos métodos.
SubjectsData mining, Student evaluation of teachers, Mineria de dades, Estudiants -- Avaluació
DegreeGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
Location
1: Zona Universitària - Escola T S d'Enginyeria, 08028 Barcelona, Espanya
URIhttp://hdl.handle.net/2117/167732
Collections
  • Escola Tècnica Superior d'Enginyeria Industrial de Barcelona - Grau en Enginyeria en Tecnologies Industrials (Pla 2010) [2.607]
Share:
 
  View Usage Statistics

Show full item record

FilesDescriptionSizeFormatView
tfg-memoria.pdf1,715MbPDFView/Open

Browse

This CollectionBy Issue DateAuthorsOther contributionsTitlesSubjectsThis repositoryCommunities & CollectionsBy Issue DateAuthorsOther contributionsTitlesSubjects

© UPC Obrir en finestra nova . Servei de Biblioteques, Publicacions i Arxius

info.biblioteques@upc.edu

  • About This Repository
  • Contact Us
  • Send Feedback
  • Inici de la pàgina