BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH TRẨN THANH ĐIỀN PHÂN TÍCH PHẢN HỒI VỀ CẢM NGHĨ ĐỂ DỰ ĐOÁN KHẢ NĂNG NGHỀ NGHIỆP CỦA HỌC SINH CẤP TRUNG HỌC PHỔ THÔNG Chuyên ngành KHOA HỌC MÁY TÍNH Mã chuyên ngành 60480101 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, T92021 Mẫu PL1 Mẫu PL1 Mẫu PL1 Mẫu PL1 Mẫu PL1 Mẫu PL1 Công trình được hoàn thành tại Trường Đại học Công nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học TS Nguyễn Thị Phương Giang u n n thạc được o ệ tại H i đồng ch o ệ u n.
BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH TRẨN THANH ĐIỀN PHÂN TÍCH PHẢN HỒI VỀ CẢM NGHĨ ĐỂ DỰ ĐOÁN KHẢ NĂNG NGHỀ NGHIỆP CỦA HỌC SINH CẤP TRUNG HỌC PHỔ THÔNG Chuyên ngành: KHOA HỌC MÁY TÍNH Mã chuyên ngành: 60480101 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, T9/2021 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học: TS Nguyễn Thị Phương Giang u n n thạc o ệ H i đồng ch o ệ u n Đại học Cơng nghiệp thành phố Hồ Chí Minh ngày 17 tháng 10 n Thành phần H i đồng đánh giá lu n n thạc n thạc Trường 2021 gồ : PGS.TS Huỳnh Trung Hiếu - Chủ tịch H i đồng TS Lê Thành Sách - Ph n iện TS Trịnh T n Đạt - Ph n iện TS Đặng Thị Phúc - Ủy iên TS ê Nh t Duy - Thư ký (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CÔNG NGHỆ THÔNG TIN BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học iên: Trần Thanh Điền MSHV: 17113031 Ngày, tháng, n Nơi inh: Kiên Giang inh: 06/06/1984 Chuyên ngành: Khoa Học Máy Tính 60480101 Mã chuyên ngành: I TÊN ĐỀ TÀI: Phân tích ph n hồi ề c trung học phổ thơng ngh để dự đốn kh n ng nghề nghiệp học inh c p NHIỆM VỤ VÀ NỘI DUNG: - Tì hiểu tổng quan ề cơng trình nghiên cứu có liên quan thành tựu, hạn chế hoàn thành trước liên quan đến hướng nghiên cứu Phân tích c ngh ph n hồi để dự đoán kh n ng nghề nghiệp học inh c p Trung học phổ thông - Nghiên cứu gi i thu t Na Bay - Nghiên cứu gi i thu t SVM - Nghiên cứu phương pháp Entropy cực đại - Hiện thực đánh giá kết qu II NGÀY GIAO NHIỆM VỤ: 28/11/2019 III NGÀY HOÀN THÀNH NHIỆM VỤ: 15/9/2021 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Nguyễn Thị Phương Giang Tp Hồ Chí Minh, ngày … tháng năm … NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TS Nguyễn Thị Phương Giang TRƯỞNG KHOA CÔNG NGHỆ THÔNG TIN LỜI CẢM ƠN Để hoàn thành ài lu n cố n tôi, Tiến dẫn dắt cố n thạc này, tơi xin ày tỏ ự c kích đặc iệt tới Nguyễn Thị Phương Giang - Người định hướng, trực tiếp n cho uốt thời gian thực đề tài nghiên cứu khoa học Tôi xin gửi lời c ơn đến thầy ằng t t c t Tôi xin gửi lời c giúp đỡ iểu lòng ự iết ơn ơn chân thành đến thầy ê Nh t Duy hướng dẫn ẫu quy trình hồn thành đề tài lu n đề cương đến Tơi xin trân trọng c ình o ệ lu n n từ đầu đ ng ký n ơn Phòng qu n lý Sau đại học giúp đỡ ề thủ tục cần thiết để hồn thành lu n n i TĨM TẮT LUẬN VĂN THẠC Sĩ Trong nhiều n qua n đề tư n tuyển inh nhiều người quan tâ , đặc iệt học inh phụ huynh Việc lựa chọn ngành nghề, phù hợp ới n ng lực trường n thân ô cần thiết Tuy nhiên hình thức tư th o cách truyền thơng cạnh đó, hiểu c cho học inh c ngh n tuyển inh th y chán khơng có hứng thú Bên ph n hồi học inh t n đề thiết yếu định hướng nguyện ọng trường đại học hay cao đẳng Biết điều này, nghiên cứu đưa t gi i pháp giúp học inh c p Trung học Phổ thông hiểu rõ ề kh n ng n ng lực trường ình để lựa chọn ngành nghề n thân yêu thích Đây điều hết ức quan trọng đối ới học inh Nghiên cứu t p trung kh n ng phân tích liệu dự đốn nhằ đưa t kết qu xác từ liệu thu th p Cũng từ nghiên cứu tác gi xây dựng nên t hệ thống có kh n ng phân loại ph n hồi ề c học Phổ thông t cách tự đ ng xác nh t B liệu ph n hồi học inh tác gi thu th p từ n 2015 đến Tiếp th o, loại ỏ t t c liệu rác, trùng lặp hay liệu không hợp lệ liệu thô Sau đó, tác gi cực xây dựng t cách thủ cơng tác gi có 5000 dụng a thu t tốn Na hình phân tích ph n hồi ề c thu t toán phân loại Kết qu chứng Na Bay ngh học inh c p Trung Bay , SVM Entropy ngh học inh dựa inh thu t toán Maxi u áy V ctor hỗ trợ ới ố điể Entropy tốt 78% Với đ xác y tác gi th y liệu kết qu nghiên cứu nguồn liệu hữu ích cho c ng đồng phân tích ph n hồi ề c ii ngh tương lai LỜI CAM ĐOAN Tôi xin ca đoan lu n n nghiên cứu n thân tơi Những kết qu nghiên cứu, phân tích kết lu n lu n n hồn tồn trung thực khơng ao chép từ t kỳ hình thức Việc tha t kỳ t nguồn hay kh o nguồn tài liệu thực trích dẫn ghi rõ nguồn th o quy định Học viên Trần Thanh Điền iii MỤC LỤC ỜI CẢM ƠN i TÓM TẮT UẬN VĂN THẠC S ii ỜI CAM ĐOAN iii MỤC ỤC iv DANH MỤC HÌNH ẢNH vi DANH MỤC BẢNG BIỂU vii DANH MỤC TỪ VIẾT TẮT viii MỞ ĐẦU .1 Sự cần thiết n đề nghiên cứu Mục tiêu nghiên cứu Đối tượng phạ i nghiên cứu N i dung nghiên cứu .3 CHƯƠNG GI I THI U V Đ TÀI 1.1 Tổng quan ề đề tài .5 1.2 Tổng quan hướng tiếp c n .6 1.3 Khó kh n thách thức 1.4 Đề xu t hướng gi i CHƯƠNG GI I THI U V BÀI TOÁN DỰ ĐOÁN KHẢ NĂNG NGH NGHI P CỦA HỌC SINH 2.1 Tổng quan ề ài toán phân lớp 2.2 Tổng quan thu t toán dùng để phân lớp liệu 2.2.1 Support Vector Machine (SVM) 2.2.2 Máy học Na ay 13 2.2.2.1 Định lý Bay 13 2.2.2.2 Giới thiệu thu t toán Na 2.2.2.3 Thu t toán Na 2.2.3 Bay Bay .14 .14 Maximum Entropy (MaxEnt) 16 iv 2.2.3.1 Giới thiệu thu t toán Maxi u 2.2.3.2 Thu t toán Maxi u 2.2.3.3 Ưu nhược điể Entropy 16 Entropy 16 Max nt .17 2.3 Mô hình hóa tốn 18 2.4 Phương pháp 20 CHƯƠNG GIẢI THUẬT SVM, NAIVE BAYES VÀ ENTROPY CỰC ĐẠI 3.1 Máy học V ctơ (SVM) 21 3.2 Gi i thu t Nai 3.3 Phương pháp Entropy cực đại .30 3.4 Kết qu gi i thu t đạt 3.5 Kết lu n 35 Bay 25 t ố liệu .32 CHƯƠNG ÁP DỤNG SVM, GIẢI THUẬT NAIVE BAYES VÀ ENTROPY CỰC ĐẠI VÀO DỰ ĐOÁN KHẢ NĂNG NGH NGHI P CỦA HỌC SINH 37 4.1 Những n đề đối ới gi i thu t Nai Bay , SVM, Entropy cực đại 37 4.2 đại Đề xu t giá trị đầu cho gi i thu t Nai 37 4.2.1 Xử lý liệu đầu 37 4.2.2 M t ố 4.3 Thực thi gi i pháp kết qu đạt .39 4.3.1 Thu t toán Max nt .40 4.3.2 Thu t toán NAIVE-BAYES 42 4.3.3 Thu t toán SVM 45 4.4 Kết lu n 47 Bay , SVM, Entropy cực n đề khác 39 KẾT UẬN VÀ KIẾN NGHỊ 48 Tổng kết đề tài .48 Những đóng góp đề tài 48 Những hạn chế tồn 48 Hướng r ng phát triển đề tài 49 TÀI I U THAM KHẢO 50 PHỤ ỤC 54 Ý ỊCH TRÍCH NGANG CỦA HỌC VIÊN 57 v 21 DANH MỤC HÌNH ẢNH Hình 2.1 Ví dụ ề phân lớp SVM không gian R2 Hình 2.2 Phân lớp tuyến tính ới SVM Hình 2.3 SVM phân lớp liệu khơng tách rời 11 Hình 2.4 Q trình xây dựng hệ thống phân tích ý kiến ph n hồi học inh 19 Hình 3.1 Mô t cách nh p liệu 23 Hình 3.2 Mô t chi tiết ề phân loại ctơ hỗ trợ 24 Hình 3.3 Mô t chi tiết ề phân loại ctơ hỗ trợ (tiếp th o) 24 Hình 3.4 Mơ t chi tiết thu t tốn dự đốn 25 Hình 3.5 Tiến hành nh p thư iện liệu ẫu 26 Hình 3.6 Nh p liệu cho thu t toán 27 Hình 3.7 Kiể tra liệu trước tiến hành thử nghiệ 27 Hình 3.8 Vẽ h at ap thích 28 Hình 3.9 Báo cáo phân loại kết qu a tr n 29 Hình 3.10 Triển khai thu t toán chạy thử nghiệ 30 Hình 3.11 Mơ t chi tiết cách nh p liệu 31 Hình 3.12 Mơ t chi tiết thu t toán phân loại dự đoán 32 Hình 3.13 Chi tiết ề chạy thử nghiệ ề dự đoán 32 Hình 3.14 So ánh phương pháp học t p khác 34 Hình 4.1 Dữ liệu trước xử lý 38 Hình 4.2 Dữ liệu ã hóa 39 Hình 4.3 Chạy thử hình thu t tốn Max nt (1) 41 Hình 4.4 Chạy thử hình thu t tốn Max nt (2) 41 Hình 4.5 Chạy thử hình thu t tốn Nai Bay (1) 43 Hình 4.6 Chạy thử hình thu t tốn Nai Bay (2) 44 Hình 4.7 Chạy thử hình thu t tốn SVM (1) 46 Hình 4.8 Chạy thử hình thu t tốn SVM () 47 vi DANH MỤC BẢNG BIỂU B ng 2.1 M t ố hà nhân thường dùng 13 B ng 4.1 Dữ liệu ã hóa 38 B ng 4.2 Kết qu phân loại để xác thực chéo 10 lần 40 B ng 4.3 Kết qu phân loại Max nt 40 B ng 4.4 Kết qu phân loại Naive - Bayes 42 B ng 4.5 Kết qu phân loại SVM 45 vii DANH MỤC TỪ VIẾT TẮT COPUS The Classroom Observation Protocol for Undergraduate STEM MaxEnt Maximum Entropy NB Naïve Bayes NEG Âm – câu có n i dung tiêu cực NEU Trung tính POS Dương – câu có n i dung tích cực SVC Support Vector Classifier SVM Support Vector Machine viii MỞ ĐẦU Sự cần thiết vấn đề nghiên cứu C ngh hay uy ngh nguyện ọng Từ n ph n hồi học inh t điều thiết yếu định hướng ình trường đại học, cao đẳng, … 2015 kỳ thi THPT quốc gia áp dụng, thí inh thi kỳ thi để xét tốt nghiệp đ ng ký xét tuyển nguyện ọng ngành nghề đại học, cao đẳng T t c thực trực tuyến thơng qua chọn ngành nghề ình u thích ạng int rn t, ì y học inh t cách dễ dàng Tuy nhiên ì ự q dễ dàng nhiều học inh chưa hiểu ề ngành nghề ình lựa chọn, dẫn đến chọn ngành, n ng lực, trường v n tuyển inh, hướng nghiệp trường nhiều ngẩ ” ngồi ngh tư kh n ng n Vì y, iệc đưa ình Việc tư cho học inh trở nên “ngán t gi i pháp giúp học inh hiểu rõ ình để chọn ngành nghề trường ình u thích điều hết ức cần thiết đối ới học inh c p Trung học Phổ thơng Do đó, u cầu ề kh n ng phân tích liệu dự đốn đưa từ liệu, thông tin học inh n đề r t nhiều trường quan tâ nghiên cứu Yêu cầu c p thiết xây dựng ngh , ph n hồi học inh t kết qu xác t hệ thống có kh n ng phân loại c t cách tự đ ng xác Dữ liệu ph n hồi học inh thu th p từ trường THPT Ngô S Kiên Giang từ n iên 2015 đến thông qua ài đánh giá đầu, cuối học kỳ, n i dung đánh giá nh n xét học inh ề loại ỏ t t c câu rác, trùng lặp ôn học Sau t cách thủ cơng chúng tơi có 5000 liệu thơ Sau đó, liệu thích nhãn: Khơng thích (0) – Thích (1) – Bình thường (2) – Tự nhiên (3) – Xã h i (4) Gi i thu t Naive Bayes - M t thu t toán r t tiêu iểu cho hướng phân loại dựa lý thuyết xác u t Được ứng dụng thành công hầu hết l nh ực ề phân tích liệu, phân loại t xt, pa , phân loại gi n, tc,…Và trợ (SVM) t khái niệ thống kê khoa học phương pháp học có giá áy tính cho áy ctơ hỗ t t p hợp át liên quan đến để phân loại phân tích hồi quy Ngoài phương pháp Entropy cực đại t kỹ thu t dùng để ước lượng xác u t phân phối từ liệu, áp dụng đối ới liệu n n, dụng ố lượng từ đặc trưng Trong đề tài này, chúng tơi dụng thu t tốn Nạve Bayes, SVM Entropy cực xây dựng ô hình phân tích c ngh , ph n hồi học inh dựa thu t toán phân loại để phân tích gán n i dung liệu th o hướng tích cực, tiêu cực trung tính Sau đưa dự đốn kh n ng nghề nghiệp học inh c p Trung học Phổ thông Nhằ giúp học inh tự hướng nghề nghiệp phá, tì hiểu phát triển kh n ng định n thân Mục tiêu nghiên cứu Mục tiêu đề tài dự đoán kh n ng nghề nghiệp tương lai học inh c p trung học phổ thông ằng gi i thu t Nai trợ định hướng cho Nghiên cứu gi i thu t Na Bay , SVM Entropy cực đại nhằ ề nghề nghiệp n thân xác Bay Nghiên cứu gi i thu t SVM Nghiên cứu phương pháp Entropy cực đại Nghiên cứu trò nh hưởng tha ố đối ới gi i thu t Na Bay [4] Điều chỉnh thông ố gi i thu t để t ng đ xác [5] [6] Đối tượng phạm vi nghiên cứu Các phương pháp học SVM, Na M t ố gi i thu t tối ưu tha Bay Entropy cực đại SVM, Na Bay Entropy cực đại hỗ Học inh trường Trung học Phổ thông Ngô S iên tỉnh Kiên Giang Không gian: Cài đặt thực thu t tốn áy tính Nội dung nghiên cứu 4.1 Nội dung nghiên cứu: Tì hiểu tổng quan ề cơng trình nghiên cứu có liên quan thành tựu, hạn chế hoàn thành trước liên quan đến hướng nghiên cứu Phân tích c ngh ph n hồi để dự đốn kh n ng nghề nghiệp học inh c p Trung học phổ thông Nghiên cứu gi i thu t Na Bay Nghiên cứu gi i thu t SVM Nghiên cứu phương pháp Entropy cực đại Hiện thực đánh giá kết qu 4.2 Phương pháp nghiên cứu 4.2.1 Thời gian nghiên cứu Thời gian nghiên cứu kho ng tháng từ 11/2019 đến 05/2020 4.2.2 Địa điểm nghiên cứu Nghiên cứu thực trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh 4.2.3 Vật liệu nghiên cứu Máy tính, nguồn thơng tin thu th p từ ạng Int rn t, tài liệu tha kh o, liệu cá nhân học inh từ hệ thống qu n lý nhà trường phân tích xử lý… 4.2.4 Phương pháp nghiên cứu Phương pháp nghiên cứu dựa lý thuyết: Thu th p, phân tích, xử lý thơng tin dựa tài liệu ách, áo, tạp chí,…đã in n công ố int rn t liên quan đến đề tài thực Phương pháp nghiên cứu dựa thực nghiệ : Thông qua iệc thử nghiệ liệu thô an đầu, ạch liệu, tiền xử lý au âu nghiên cứu ứng dụng thu t toán SVM, thu t toán Na Bay , phương pháp Entropy cực đại đối ánh ới kết qu công ố Xây dựng phần học inh để tư ề n nghề nghiệp p trình phần có giao diện trực quan, dễ dụng Phương tiện nghiên cứu: + Ngơn ngữ l p trình Python + Cơng cụ phát triển phần ề Jupyt r Not ook + Hệ điều hành Windows 10 + Thư iện N P gói thư iện khác ề ề phân tích ph n hồi ằng ngơn ngữ Python, phần CHƯƠNG GIỚI THIỆU VỀ ĐỀ TÀI 1.1 T ng uan đề tài Khai thác ý kiến gi i n đề phân loại liên quan đến liệu đánh giá khách hàng, đề xu t tự đ ng thông qua giao dịch khứ khách hàng, Trong nghiên cứu Kiều Phạ n phẩ áy tính nhằ (2010) dụng phân tích tình c giúp nhà kinh doanh định n phẩ , đánh giá có ph n hồi tích cực nh t Ở Việt Na , đa ố tổ chức dụng khai thác ý kiến nhằ cho thương nhiệ ại điện tử l nh ực án lẻ, du lịch, Phân tích c ụ nhằ cơng iệc ề xác định phân tích ý kiến, c phục ụ xúc t xúc hay đánh giá tiêu cực Hầu hết n đề phân tích thực c p đ tài liệu [11] Hệ thống phân tích tình c nhằ phân tích ý kiến, c xúc, c ngh uy đốn Từ phân tích đó, hệ thống cung c p thơng tin hữu ích cho người tì kiế t ách để đọc, tì hiểu định hướng nghề nghiệp [8] Bên cạnh đó, tác gi th y thay đổi ngành giáo dục trở thành ưu tiên hàng đầu cu c ống Sự phát triển ngành giáo dục x thở t quốc gia Hiện nay, trường r t quan tâ pháp để phân tích n đề ề giáo dục nhằ đến iệc dụng iện cung c p thơng tin ổ ích dụng nâng cao ngành giáo dục [2] Đó lý ao tác gi cần điể yếu cách truyền đạt kiến thức cho học inh Trong n gần đây, giáo dục có cách riêng để thu th p ph n hồi inh iên M t ố trường dụng cu c th trường khác áp dụng thực th dò thực gi y, dò trực tuyến Hầu hết cu c th dị câu hỏi có / khơng, thang đánh giá dễ xử lý không thực tế Những cu c th tồn dị kiểu thường ng n c n học inh tự ày tỏ ý kiến Với câu tr lời n, q trình tó Thơng tin ph n hồi tắt t r t nhiều thời gian để đọc t nguồn liệu hữu ích cho t ghi lại t kỳ tổ chức để có nhìn tốt ề tổng thể ngành giáo dục Có hai loại ph n hồi: ph n hồi từ thầy cô cho học inh để học inh tự hoàn thiện ph n hồi từ học inh cho thầy điều cho phép thầy hướng dẫn gi ng dạy khóa học th o cách học inh hiểu rõ Tuy nhiên, hầu hết nghiên cứu chủ yếu ph n hồi từ phía học inh ì họ có kỳ ọng lớn giáo dục M t ố thử nghiệ phân tích tình c [19], [2], [3], [4] phương pháp kỹ thu t ố tương tự hình thức w , phương tiện truyền thông xã h i tốt o ới phương pháp cũ hình thức th giao tiếp trực tiếp lớp Học inh ày tỏ c ình lựa chọn t kỳ định hướng n thân dò ằng gi y giác, ph n hồi ề c ong uốn ngh danh tính thơng tin cá nhân 1.2 T ng uan hướng tiếp cận Trong thử nghiệ , tác gi đề xu t hình tiếp c n ph n hồi học inh dựa thu t tốn phân loại để phân tích định n i dung tình c tích cực, tiêu cực trung tính Tác gi Bay Entropy cực đại, áy học ph n hồi nhiều n o ánh ph n khác Na (NB), ctơ hỗ trợ (SVM) Tác gi dụng phân tích Mục đích nghiên cứu tì cơng cụ phân loại tốt nh t cho iệc dự đoán kh n ng nghề nghiệp tương lai học inh c p trung học phổ thông Việt Na Trong trình tì hiểu iết giao thức quan át COPUS [6] dụng để đánh giá trình gi ng dạy iện giáo dục Hoa Kỳ Giao thức thực nghiệ ởi Ach n u pkin (2015) tr n lẫn ới ph n hồi inh iên ình thường Trong ài D l n [7], t ố kỹ thu t học áy dụng để rõ yếu tố Nghiên cứu chủ yếu t p trung iệc o ánh thu t toán giống phân loại SVM, ạng thần kinh lớp liệu T p liệu phức tạp ới nhiều thu c tính iến nhị phân SVM dự đốn đ xác 81,18% đ xác lớp 74% ới t p liệu cân ằng Kết qu phân tích đ nhạy phát tương tác yếu tố hiển thị thu c tính quan trọng t p liệu Tại Việt Na , Duyên c ng ự [8] dụng ài đánh giá khách ạn từ trang agoda.co để o ánh a hình: Na Bay , Entropy cực đại SVM Kết qu họ cho th y SVM ới tính n ng dựa word unigra cho kết qu tốt Nghiên cứu hiển thị điể dự đốn tình c tổng thể có t trị r t quan trọng iệc Khi ự gia t ng ự ý l nh ực giáo dục, tác gi th y nhiều nghiên cứu liên quan đến giáo dục Việt Na Th o Phúc Phụng (2007) dụng hình phân loại Nai Bay để xác định chủ đề tin nhắn inh iên Nghiên cứu dụng POS tính n ng trình phân loại để dị tin nhắn tiếng Việt Dựa kết qu trình phân loại, hệ thống họ ẽ di chuyển thư th t lạc đến chủ đề phù hợp diễn đàn trường học Vì gi đưa hướng tiếp c n ằng cách dụng thu t tốn để xây dựng tích c y, tác hình phân ngh , ph n hồi học inh dựa thu t tốn phân loại Sau đó, có để đưa dự đoán kh n ng nghề nghiệp học inh c p Trung học Phổ thơng Điều giúp học inh nghề nghiệp phá, tì hiểu phát huy kh n ng định hướng n thân 1.3 Khó khăn thách thức Hướng đề tài ứng dụng thực tế trường THPT Ngơ S ỗi n trường có 1200 học inh, au n ẫu Tuy nhiên để iên ố liệu đầu có gần 5000 học inh áy học đạt kết qu tốt cần liệu Dữ liệu ẫu liệu thô đặt thu t toán cho qu ong liệu ẫu nhiều áy học ẽ khó học đạt kết uốn 1.4 Đề xuất hướng giải uyết Tác gi xin ố liệu Trường THPT Ngô S Liên đạt 500 ngàn cho ẫu để đưa áy học Tác gi dùng Python để xử lý liệu đạt kết qu trình ày cụ thể chương tiếp th o ong đợi Kết qu ẽ ... xây dựng hình phân tích c ngh , ph n hồi học inh dựa thu t toán phân loại để phân tích gán n i dung liệu th o hướng tích cực, tiêu cực trung tính Sau đưa dự đốn kh n ng nghề nghiệp học inh c p Trung. .. trường học Vì gi đưa hướng tiếp c n ằng cách dụng thu t tốn để xây dựng tích c y, tác ô hình phân ngh , ph n hồi học inh dựa thu t toán phân loại Sau đó, có để đưa dự đốn kh n ng nghề nghiệp học. .. Trung học Phổ thông Nhằ giúp học inh tự hướng nghề nghiệp phá, tì hiểu phát triển kh n ng định n thân Mục tiêu nghiên cứu Mục tiêu đề tài dự đoán kh n ng nghề nghiệp tương lai học inh c p trung học