Phần mềm hỗ trợ nghiên cứu thị trường đào tạo thạc sỹ công nghệ thông tin ở châu phi

UNIVERSITÉ NATIONALE DU VIETNAM, HANOÏ INSTITUT FRANCOPHONE INTERNATIONAL NIYONKURU Méthode Un système informatique pour appuyer aux études de marché pour la formation du Master Informatique en Afrique MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE HANOÏ - 2018 UNIVERSITÉ NATIONALE DU VIETNAM, HANOÏ INSTITUT FRANCOPHONE INTERNATIONAL NIYONKURU Méthode Un système informatique pour appuyer aux études de marché pour la formation du Master Informatique en Afrique Spécialité : Systèmes Intelligents et Multimédia Code : Programme pilote MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE Soutenu le 31 Août 2018 devant les membres du jury : Sous la direction de : Dr Ho Tuong Vinh HANOÏ - 2018 Attestation d’honneur J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans ce mémoire a été bien précisée Signature de l’étudiant NIYONKURU Méthode Table des matières Remerciements vi Résumé vii Introduction générale 1.1 1.2 1.3 1.4 Contexte du sujet Motivation Problématique Objectifs du travail 1.4.1 1.4.2 1.4.3 1.5 1.5.2 1.5.3 1.5.4 1.7 Objectif général Objectifs spécifiques Activités réaliser Intérêt Intérêt Intérêt Intérêt 2.2 2.2.2 2.4 2.5 personnel académique économique pour l’Institut de la 2.5.2 2.5.3 2.5.4 4 Francophonie pour l’Innovation Généralité sur l’apprentissage automatique (Machine Learning) Applications du Machine Learning Processus d’un projet de Machine learning Les objectifs des méthodes de Machine learning Machine Learning pour le recrutement (sélection) 2.5.1 Introduction Machine Learning et ses applications 2.2.1 2.3 Méthodologie de la recherche et activités réaliser Structure de mémoire Littérature 2.1 Intérêt du sujet 1.5.1 1.6 10 An internet-based student admission screening system utilizing data mining Educational Data Mining & Students’ Performance Prediction Data mining et statistique Study and Analysis of Data Mining Techniques i 10 11 12 12 2.5.5 2.6 Bilan des travaux connexes Types d’apprentissages 14 16 18 3.1 Analyse du sujet et résultats attendus 18 3.2 Solution pour la prédiction des sélections des candidats 18 Métrique pour l’évaluation des performances des modèles : F-mesure 20 Formation du modèle pour la prédiction 21 Choix du langage et des outils pour la solution 23 Solution proposée 3.2.1 3.2.2 3.3 Implémentation, expérimentation et analyse des résultats 4.1 Collection des données 4.1.1 4.2 4.3 4.4 4.4.2 4.4.3 4.5 A 26 26 Compréhension des données 26 Analyse exploratoire Conception et implémentation du modèle prédictif Structure des modèles prédictifs 4.4.1 13 2.7 Educational data mining for prediction of student performance using clustering algorithms 27 42 42 Prétraitement 42 Modélisation 46 Analyse des résultats et comparaison des modèles de prédiction 48 Choix du modèle pour la prédiction Conclusion et perspectives 52 53 Etudes de marché pour la formation du Master Informatique de l’IFI chez les pays de l’Afrique Francophone 55 0.1 Etat des lieux de l’éducation en Afrique 0.2 Etude comparative de l’état des lieux des formations post-universitaire chez les pays de l’Afrique Francophone 0.2.1 64 Etude comparative des conditions juridiques sur la délivrance de diplômes du Vietnam et des pays de l’Afrique francophone 0.4.1 0.5 63 Différences en matière d’administration universitaire entre le Vietnam et certains pays de l’Afrique ayant un marché éducatif potentiel 0.4 60 Différences entre le système éducatif post-universitaire des pays anglophones et ceux francophones en Afrique 0.3 59 Problèmes, tendances et potentiels du marché éducatif postuniversitaire des pays francophones en Afrique 0.2.2 57 65 Règles communes de la délivrance des diplômes entre le vietnam et les pays africains 66 L’avis des étudiants de l’IFI sur les formations de l’IFI 70 0.6 Comparaison du système éducatif africain et vietnamien 0.7 Recensement académique des pays de l’Afrique Francophone ii 76 77 0.7.1 Les pays francophones de l’Afrique centrale 78 0.7.2 Les pays francophones de l’Afrique de l’Ouest 80 0.7.3 Les pays francophones de l’Afrique de l’Est : 88 0.7.4 Les pays francophones de l’Afrique australe : 89 0.7.5 Les Pays Francophones d’Afrique du Nord : 90 iii Table des figures Processus d’analyse de données du système[25] Performance de chaque modèle 11 Formation du modèle de prédiction 22 Données traiter 26 Nombre des étudiants qui ont postulé par promotion 28 Nombre des étudiants qui ont postulé par pays 28 Le nombre des postulats par pays et par promotion 29 Le nombre des postulats par mention 30 Le nombre de sélectionnés par pays 31 10 Le nombre de candidats par mention et par pays 32 11 Le nombre de candidats sélectionnés par pays 33 12 Taux de diplômes des candidats par pays 34 13 Le nombre de postulats par sexe 35 14 Le nombre des candidats par sexe et par pays d’origine 36 15 Le nombre de candidats sélectionnés et non-sélectionnés par rapport au sexe 37 16 Taux des candidats par diplômes et par sexe 37 17 Classement des pays par le taux de leur candidats 38 18 Le nombre de sélectionnés et non-sélectionnés par spécialité 39 19 Le nombre de sélectionnés et non-sélectionnés par diplôme 40 20 Statistiques de la sélection des étudiants par promotion 41 21 Statistiques de la sélection des étudiants l’IFI selon les promotions 20, 21 et 22 41 22 Inspection des données 43 23 les caractéristiques de sélection 44 24 Feature engineering 44 25 Processus de partage de données 47 A.1 Système éducatif 76 iv Liste des tableaux Performances des modèles H2OGradient Boosting et H2ORandom Forest avec deux variables pertinentes 50 Performances des modèles avec trois variables pertinentes 50 Performances des modèles pour le cas de quatre variables 51 Performances des modèles avec cinq variables pertinentes 51 Performances des modèles avec six variables pertinentes 52 A.1 Universités de Cameroun 78 A.2 Universités du Gabon 78 A.3 Universités de Burkina Faso 82 A.4 Universités de Côte d’Ivoire 83 A.5 Universités de Guinée Konakry 84 A.6 Universités de Mali 85 A.7 Universités de Niger 86 A.8 Universités de Sénégal 87 A.9 Universités de Togo 88 A.10 Universités du Burundi 88 A.11 Universités de Djibouti 89 89 90 A.14 Universités d’Algérie 91 A.15 Universités du Maroc 91 A.16 Universités de Tunisie 92 A.12 Universités des Comores A.13 Universités de Madagascar v Remerciements Ce travail de mémoire de Master est le résultat de l’engagement de plusieurs personnes qui ont décidé de m’accompagner résolument dans cet exaltant parcours Je voudrais profiter de cet espace pour leur exprimer toute ma gratitude et ma reconnaissance Mes premiers remerciements vont l’endroit de Monseigneur Hermenegilde NDORICIMPA, qui m’a soutenu et encouragé en premier lieu et a permis que je pouvais faire une formation de master en informatique Il m’avait toujours soutenu et la direction de l’Université des Grands Lacs(UGL) qui lui est confiée m’avait beaucoup soutenu pour le déplacement, les frais d’inscription et de séjours Hanoi au Vietnam Dr Ngo Tu Lap, le Directeur de l’Institut Francophone International(IFI) et son Directeur Adjoint Dr Ho Tuong Vinh sont sans aucun doute ceux, grâce auxquels j’ai pu obtenir et effectuer ce travail de stage Ces deux derniers ont été mes très bons superviseurs et n’ont cessé de me donner toujours de suggestions et conseils pour bien avancer et réaliser les objectifs du stage Dr Ho Tuong Vinh a assumé les délicates tâches de responsable scientifique de mes travaux de stage de Master d’Informatique avec amitié et bienveillance, sans jamais se départir de la rigueur scientifique nécessaire Je voudrais lui exprimer toute ma reconnaissance Je remercie Monsieur Pierre Claver SINDAYIGAYA, Responsable des Enseignements et de la Recherche scientifique l’UGL, au Burundi, qui m’avait toujours encouragé pour continuer mes études Je remercie les membres du jury pour avoir accepté de lire et évaluer mon travail Mes remerciements s’adressent également au personnel et aux étudiants de l’Institut Francophone International de leur bonne collaboration et de la manière dont ils ont répondu mes questions d’enquête Je pense notamment tous les professeurs qui font un travail extraordinaire À mes parents pour tout ce qu’ils m’ont donné Dû l’éloignement de mon lieu de vie habituel, il est fort compréhensible que ce travail n’a pu se dérouler que grâce au soutien affectif et moral de ma famille et de mes amis Qu’il me soit alors permis de remercier : • Médiatrice AKIMANA, mon épouse qui aura tenu, durant ces deux dernières années, le rôle d’unique chef de famille en encadrant au mieux nos enfants : Ange Benita IDUTEYITEKA, Ben Délice NIYONKURU et Aurélie Reine KAGISHA ; • CIZA Julien, Yves Kelly UMUCO et BUREGEYA Mélance, dont l’amitié et le soutien ne m’auront jamais fait défaut tout au long de ces deux dernières années ; • et bien sûr, tous ceux et celles que je ne peux citer ici, faute de place ou par oubli vi Résumé Pour faciliter le recrutement des étudiants, il est important d’étudier et d’analyser les données éducatives, en particulier les données en rapport avec les candidats étudiants pour la formation master Après avoir observé les dossiers des candidats étudiants des trois promotions antérieures de l’Institut Francophone International (IFI) dont les années académiques sont 2014-2016(Promotion 20), 2016-2018(Promotion 21) et 2017-2019(Promotion 22) ; nous avons constaté que la majorité des ses étudiants est actuellement d’origine africaine Le Machine Learning est le domaine d’étude concerné par les données éducatives Ce domaine est une manière pour découvrir des modèles et des connaissances intéressantes dans le système éducatif Cette étude porte également sur ce sujet, plus particulièrement sur la sélection des candidats étudiants pour la bourse de formation master informatique de l’IFI Cette étude explore de multiples facteurs théoriques en rapport avec les candidats étudiants la bourse de l’IFI et trouve un modèle qualitatif qui classe et prédit le mieux la sélection des candidats étudiants pour la bourse de la formation master de l’IFI Le présent travail de fin d’études de master informatique intitulé : "Un système informatique pour appuyer aux études de marché pour la formation du Master Informatique en Afrique" avait pour but d’implémenter un système informatique pour prédire la sélection des étudiants de l’Institut Francophone International Ce travail est de type d’apprentissage automatique Il est donc modélisable par des algorithmes d’apprentissage automatique Il nous est intéressé d’appliquer deux algorithmes d’apprentissage automatique sur la plateforme H2O.ai pour faire les expérimentations sur la prédiction des candidats étudiants pour la bourse de formation master de l’IFI Ces algorithmes sont H2OGradient Boosting et H2ORamdom Forest Après l’éxpérimentation de ces modèles sur les enregistrements de la base de données, nous avons constaté que les performances des méthodes H2OGradient Boosting sont plus élevées par rapport celles de H2ORamdom Forest Nous choisissons l’algorithme H2OGradient Boosting pour l’appliquer la prédiction des futurs candidats étudiants de l’IFI car, il est plus robuste et peut-être applicable sur nos données pour cet effet Mots clés : Machine Learning, modélisation statistique, H2OGradient Boosting, H2ORandom Forest, parcours académique et niveau d’études vii PRESENTATION GENERALE DU MEMOIRE Nom et Prénoms : NIYONKURU Méthode Sexe : Masculin Date de naissance : le 21.10.1981 Lieu de naissance : Gahondo Ndava, Burundi Décision d’inscription sur la liste d’étudiants N° 3631/QĐ-ĐHQGHN Date : 11/11/2016 du Directeur de l’Université Nationale du Vietnam Hanoi Changement dans le processus de formation : Non Titre du mémoire : Phần mềm hỗ trợ nghiên cứu thị trường đào tạo Thạc sĩ Công nghệ thông tin châu Phi (Franỗais: Un systốme informatique pour appuyer aux ộtudes de marché pour la formation du Master Informatique en Afrique ) Option : Systèmes Intelligents et Multimédia (SIM) Code: Programme pilote 10 Encadrant : Dr Ho Tuong Vinh, Trợ lý giám đốc nhà nghiên cứu IFI 11 Résumé des résultats : Développement en python d’une application de sélection de nouveaux étudiants de l’IFI Cette application avec le langage de programmation python nous a permis d’afficher les résultats suivants :  Taux des sélectionnés par pays ;  Taux de mention des candidats par pays ;  Taux de diplômes des candidats par pays ;  Taux de postulants par sexe ;  Taux des candidats par rapport au sexe et par pays d'origine ;  Taux des candidats sélectionnés et non-sélectionnés par rapport au sexe ;  Taux des candidats sélectionnés et non-sélectionnés par rapport au sexe ;  Statistiques des candidats par spécialité, diplômes, sexe et par mention ;  Classement des pays par candidatures ;  Taux des candidats par diplômes ;  Taux des candidats par sexe ;  Taux des sélectionnés par université d'origine ;  Taux des sélectionnés par spécialité ;  Taux des sélectionnés par diplômes ;  L'Affichage des étudiants venant dans un même pays ;  Affichage des sélectionnés par pays d'origine ; Pour la prédiction, après avoir montré les variables importantes de notre base de données, nous avons montré et expliqué l'importance des questions possibles pour la prédiction des sélections des candidats étudiants pour la formation master informatique de l'IFI Les hypothèses suivantes le montre clairement Est-il possible de sélectionner un candidat partir de son sexe et son pays ? Importance de la question On peut sélectionner un candidat partir de son sexe et de son pays d'origine car la base, nous savons que les étudiants qui postulent l’IFI viennent des pays francophones et ils ont tous fait les études universitaires dans le domaine de l’informatique Mais, les deux informations ne suffisent pas pour prendre une décision de sélection ou non-sélection Le candidat peut bien être francophone mais n’a pas un diplôme informatique ou n’a pas un diplôme universitaire ; du coup il ne sera pas sélectionné Nous comprenons ici qu’il faut d’autres informations pour affiner la sélection des postulats En effet, si le candidat vient d'un pays Anglophone, le candidat ne sera pas sélectionné Mais, si le candidat vient d’un pays francophone, il pourra être sélectionné après avoir vérifié d'autres informations Les variables sexe et pays du candidat ne suffisent pas pour sélectionner un candidat mais, elles appartiennent des variables pertinentes Est-il possible de sélectionner un candidat partir de son diplôme et sa spécialité? Importance de la question Les deux variables sont pertinentes pour sélectionner un candidat mais, elles ne sont pas suffisantes pour prendre les décisions car ; nous avons besoin de beaucoup d’autres informations comme : son pays dorigine (la langue franỗaise) et sa mention pour optimiser les décisions Si nous prenons en compte uniquement les informations émanant de ces deux variables, les décisions en rapport avec la sélection des candidats peuvent être erronées Est-il possible de sélectionner un candidat partir de son sexe, son pays d'origine et de son diplôme ? Importance de la question On peut sélectionner un candidat partir de son sexe, son pays d'origine et son diplôme (diplôme informatique) car, si le candidat vient d'un pays Anglophone, le candidat ne sera pas sélectionné Mais, si le candidat vient du pays francophone et s'il a un diplôme universitaire ; il pourra être sélectionné après avoir vérifié d'autres informations Les informations vérifier sur son diplôme c'est par exemple la spécialité et la mention De ce fait, l’information sur le diplôme peut-être très pertinente pour sélectionner le candidat mais pas suffisante pour prendre une décision car, l'étudiant peut avoir un diplôme mais d’une autre option, nous comprenons qu’un étudiant ayant un diplôme universitaire en droit ne pourra pas être sélectionné Est-il possible de sélectionner un candidat partir de son sexe, son pays d'origine, son diplôme et sa spécialité? Importance de la question L’information sur la spécialité (spécialement informatique) peut-être très pertinente pour sélectionner le candidat mais pas suffisante pour prendre une décision car l'étudiant peut avoir un diplôme de spécialité informatique mais avec une faible mention (seuls les candidats ayant les bonnes moyennes ou mentions qui ont la chance d’être sélectionné la bourse de l’IFI), nous comprenons qu’un étudiant ayant une mention passable ne pourra pas être sélectionné Est-il possible de sélectionner un candidat partir de son sexe, son pays d'origine, son diplôme, sa spécialité et sa mention? Importance de la question L’information sur la mention peut rendre la sélection des candidats pertinente car en connaissant le pays d’origine, le diplôme, la spécialité et la mention, les décisions sur la sélection du candidat peut-être effective Par exemple, un candidat francophone de sexe masculin ou féminin ayant un diplôme en réseaux informatiques mention excellente serait automatiquement sélectionné mais s’il vient d’un pays anglophone ou n’a pas un diplôme universitaire ou a une mention passable la décision sur ce candidat sera non-sélectionné Nous pouvons dire que les variables prises en compte ici sont très pertinentes pour sélectionner les candidats Est-il possible de sélectionner un candidat partir de son Nom-prenom, son sexe, son pays d'origine, son diplôme, sa spécialité et sa mention ? Importance de la question La variable nom-prénom n’est pas une variable pertinente pour décider sur la sélection d’un candidat cette variable permet d’identifier les candidats Est-il possible de sélectionner un candidat partir de son Nom-prenom, son sexe, son pays, son Diplômes, sa spécialité et sa mention ? Importance de la question Le nom n’est pas une variable considérer mais les autres variables sont très pertinentes pour prendre les décisions sur la sélection des candidats 12 Prochaines recherches :  Plateforme de sélection de nouveaux étudiants : - Implémenter la fonctionnalité permettant l’utilisateur de sélectionner un candidats dont les informations sont dans la base de données dynamique avec MySQL communiquant directement avec un formulaire d’inscription du candidat ; - Conception d’un logiciel de prédiction montrant partir de leur note de leur université d’origine que les étudiants sélectionnés l'IFI seront mesure de continuer la formation post-universitaire sans problème ; - Avoir une option de choix d’exécution, c’est-à-dire si l’utilisateur souhaite exécuter l’application dans une page web, en exécutant un fichier.py dans un navigateur, ou l’exécuter en mode desktop 13 Domaine d’application dans la réalité : prédiction des sélections des nouveaux étudiants, dans le même ordre d’idée, l’application permet l’utilisateur de visualiser les informations en rapport avec les candidats étudiants pour la formation Master de l’IFI et permet l’utilisateur de faire la sélection des nouveaux étudiants Visualiser également les pays ayant les candidats la formation de master de l’IFI et savoir lequel a beaucoup des candidats 14 Publications liées aux recherches : Hà Nội, le 27 Juin 2018 Etudiant NIYONKURU Méthode THÔNG TIN VỀ LUẬN VĂN THẠC SĨ Họ tên học viên : NIYONKURU Méthode Giới tính : nam Ngày sinh : 21.10.1981 Nơi sinh : Gahondo Ndava, Burundi Quyết định công nhận học viên số N ° 3631/QĐ-ĐHQGHN ngày 11/11/2016 Giám đốc Đại học Quốc gia Hà Nội Các thay đổi q trình đào tạo: khơng Tên đề tài luận văn: Phần mềm hỗ trợ nghiên cứu thị trường đào tạo Thạc sĩ Công nghệ thông tin châu Phi (tiếng Pháp : Un système informatique pour appuyer aux études de marché pour la formation du Master Informatique en Afrique) Chuyên ngành : Hệ thống thông minh đa phương tiện Mã số chuyên ngành đào tạo: chuyên ngành thí điểm 10 Cán hướng dẫn khoa học : TS Ho Tuong Vinh, Trợ lý giám đốc nhà nghiên cứu IFI 11 Tóm tắt kết luận văn: Python phát triển ứng dụng lựa chọn cho sinh viên IFI Ứng dụng với ngơn ngữ lập trình python cho phép hiển thị kết sau : • Tỷ lệ đề cập đến ứng cử viên theo quốc gia; • Tỷ lệ ứng cử viên theo quốc gia; • Tỷ lệ người nộp đơn theo giới tính; • Tỷ lệ người nộp đơn theo giới tính theo quốc gia xuất xứ; • Tỷ lệ ứng cử viên lựa chọn không lựa chọn theo giới tính; • Tỷ lệ ứng cử viên lựa chọn không lựa chọn theo giới tính; • Thống kê ứng cử viên theo chun ngành, trình độ, giới tính cấp lớp; • Xếp hạng quốc gia theo ứng dụng; • Tỷ lệ ứng viên theo trình độ; • Tỷ lệ người nộp đơn theo giới tính; • Tỷ lệ chọn trường đại học nhà; • Tỷ lệ lựa chọn theo chuyên ngành; • Tỷ lệ lựa chọn văn bằng; • Đăng học sinh đến quốc gia; • Hiển thị lựa chọn theo quốc gia xuất xứ Để dự đoán, sau cho thấy biến quan trọng sở liệu chúng tơi, chúng tơi trình bày giải thích tầm quan trọng câu hỏi cho dự đoán lựa chọn ứng viên sinh viên cho đào tạo thạc sĩ CNTT IFI Các giả thuyết sau làm rõ điều Có thể chọn ứng cử viên dựa giới tính quốc gia khơng? Tầm quan trọng câu hỏi Chúng tơi chọn ứng cử viên dựa giới tính quốc gia xuất xứ họ chúng tơi biết sinh viên đăng ký IFI đến từ quốc gia nói tiếng Pháp tất họ có đại học lĩnh vực khoa học máy tính máy tính Tuy nhiên, hai mẩu thơng tin khơng đủ để đưa định lựa chọn không lựa chọn Ứng cử viên người Pháp khơng có máy tính đại học; khơng chọn Chúng tơi hiểu cần có thêm thơng tin để tinh chỉnh lựa chọn định đề Thật vậy, ứng cử viên đến từ quốc gia nói tiếng Anh, ứng cử viên không chọn Nhưng, ứng cử viên đến từ quốc gia nói tiếng Pháp, chọn sau kiểm tra thơng tin khác Biến giới tính quốc gia ứng viên không đủ để chọn ứng cử viên, chúng thuộc biến có liên quan Có thể chọn ứng cử viên từ mức độ chuyên môn họ không? Tầm quan trọng câu hỏi Cả hai biến có liên quan để chọn ứng viên chúng không đủ để đưa định vì; chúng tơi cần nhiều thơng tin khác như: nước xuất xứ anh (tiếng Pháp) đề cập anh để tối ưu hóa định Nếu chúng tơi xem xét thông tin từ hai biến này, định liên quan đến việc lựa chọn ứng viên sai Có thể chọn ứng viên dựa giới tính, quốc gia xuất xứ cấp khơng? Tầm quan trọng câu hỏi Bạn chọn ứng cử viên từ giới tính, quốc gia xuất xứ tốt nghiệp (bằng máy tính) vì, ứng cử viên đến từ quốc gia nói tiếng Anh, ứng cử viên không chọn Nhưng, ứng viên đến từ nước nói tiếng Pháp có đại học; chọn sau kiểm tra thông tin khác Các thông tin để kiểm tra tốt nghiệp ví dụ đặc sản đề cập đến Do đó, thơng tin mức độ phù hợp để chọn ứng cử viên không đủ để đưa định vì, sinh viên có cấp tùy chọn khác, chúng tơi hiểu sinh viên có Khơng thể chọn đại học luật Có thể chọn ứng cử viên dựa giới tính, quốc gia xuất xứ, trình độ chun mơn khơng? Tầm quan trọng câu hỏi Thông tin chuyên mơn (đặc biệt khoa học máy tính) phù hợp để chọn ứng cử viên không đủ để đưa định sinh viên có tốt nghiệp khoa học máy tính có đề cập đề cập đến người đủ may mắn để chọn học bổng IFI), chúng tơi hiểu học sinh có điểm số khơng thể chọn Có thể chọn ứng cử viên dựa giới tính, nước xuất xứ, tốt nghiệp, chuyên ngành đề cập đến không? Tầm quan trọng câu hỏi Thông tin đề cập làm cho việc lựa chọn ứng cử viên có liên quan biết quốc gia xuất xứ, tốt nghiệp, chuyên ngành đề cập, định lựa chọn ứng cử viên có hiệu Ví dụ, ứng viên nam hay nữ có tốt nghiệp mạng máy tính tự động chọn người đến từ nước nói tiếng Anh khơng có đại học có điểm vượt qua, định ứng viên khơng chọn Chúng tơi nói biến đưa vào tài khoản phù hợp để chọn ứng cử viên Có thể chọn ứng cử viên từ tên, giới tính, quốc gia xuất xứ, tốt nghiệp, chuyên ngành đề cập đến không? Tầm quan trọng câu hỏi Biến tên họ khơng phải biến có liên quan để định lựa chọn ứng cử viên mà biến cho phép xác định ứng cử viên Có thể chọn ứng cử viên từ tên, giới tính, quốc gia, tốt nghiệp, chuyên môn đề cập khơng? Tầm quan trọng câu hỏi Tên khơng phải biến để xem xét biến khác phù hợp để đưa định lựa chọn ứng cử viên 12 Những hướng nghiên cứu tiếp theo:  Nền tảng để chọn sinh viên : - Triển khai chức cho phép người dùng chọn ứng viên có thơng tin nằm sở liệu động với MySQL giao tiếp trực tiếp với biểu mẫu đăng ký ứng cử viên; - Thiết kế phần mềm dự đoán cho thấy từ ghi trường đại học họ mà sinh viên chọn IFI tiếp tục đào tạo sau đại học mà không gặp vấn đề gì; - Có tùy chọn thực thi lựa chọn, để nói người dùng muốn chạy ứng dụng trang web, cách thực tệp tin trình duyệt, chạy chế độ máy tính để bàn 13 Khả ứng dụng thực tiễn: dự đoán lựa chọn sinh viên mới, tĩnh mạch, ứng dụng cho phép người dùng xem thông tin liên quan đến ứng cử viên sinh viên cho đào tạo Thạc sĩ IFI cho phép người dùng làm lựa chọn học sinh Ngồi ra, nhìn vào quốc gia có ứng cử viên cho khóa học Thạc sĩ IFI có nhiều ứng cử viên 14 Các cơng trình cơng bố có liên quan đến luận văn : Hà Nội, ngày 27 tháng năm 2018 HỌC VIÊN NIYONKURU Méthode ... des modèles H2OGradient Boosting et H2ORandom Forest avec deux variables pertinentes 50 Performances des modèles avec trois variables pertinentes 50 Performances... algorithms are H2OGradient Boosting and H2ORamdom Forest After experimenting with these models on database records, we found that the performance of H2OGradient Boosting methods is higher than that... H2OGradient Boosting et H2ORamdom Forest Après l’éxpérimentation de ces modèles sur les enregistrements de la base de données, nous avons constaté que les performances des méthodes H2OGradient Boosting