Uczenie Maszynowe czyli Machine Learning

Uczenie maszynowe
Machine learning

Moodle 3.4, który ma wbudowany silnik predykacji udostępnił dla użytkowników Moodle możliwość uczenia maszynowego - znanego z projektu "Project Inspire" prowadzonego przez Elizabeth Dalton i Davida Monllaó.

Na obecną chwilę interfejs wizualny oferuje - prognozę, czyli "ryzyko" lub prawdopodobieńtwo, że dany uczeń odpadnie przed zakończeniem kursu. Na początku roku został ogłoszony bardziej wszechstronny interfejs użytkownika, który cały czas jest rozwijany m.in kocentruje się na problemach back-endu oraz na zarządzaniu i wyświetlaniu modelów analytics.

Prace nad interfejstem trwają cały czas, podczas gdy rdzeń Moodle oferuje już solidny silnik do uczenia maszynowego - znany jako backend maszynowy". Bacendy mają oferować kompatybilniość z wieloma usługami innymi niż wbudowane silniki PHP i Python.
Trwają równocześnie plany zwiększenia zgodności z zapleczami w większej liczbie języków i usług m.in mają zapewnić funkcje i elementy oczekiwane w bibliotece tj. klasyfikatory, regresory i narzędzia oceny, które bezproblemowo będie można łatwo zastosować do danych i klas udostępnionych przez interfejs API Analytics.

Moodle Docs zaleca korzystanie z języka i silnika Pythona ze względu na takie parametry jak szybkość, dokładność oraz wizualizacja cech sprawozdawczych. Wspólnota Learning Analytics zawiera listę niektórych scenariuszy, które możecie znaleźć klikając tutaj - dla których programiści mogą korzytsać z backendów uczenia maszynowego (machine learning). Możemy wymienić np. zachowanie nauczyciela, siłe kursu, role zaangażowania rodziców czy optymalizacja powiadomień - to jedne z wielu backendów.

Nasze inne artykuły:

Hosting platformy u siebie czy u kogoś? Jaka jest różnica w kontekście RODO?

IX Polski MoodleMoot 2018

Narzędzia e-learningowe

Moodle LAE 3.5

Masz pytanie? Skontaktuj się z nami, poprzez:

- formularz kontaktowy: kliknij tutaj

- adres e-mail: Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.

- telefon: 32 494 33 20 lub 791 815 607