MOOC Performance Prediction by Deep Learning from Raw Clickstream Data

QR kód

MOOC Performance Prediction by Deep Learning from Raw Clickstream Data

Elmentve itt :

Bibliográfiai részletek
Szerzők:	Kőrösi Gábor Farkas Richárd
Dokumentumtípus:	Könyv része
Megjelent:	Springer Singapore 2020
Sorozat:	Communications in Computer and Information Science Advances in Computing and Data Sciences
Tárgyszavak:	Számítás- és információtudomány
doi:	10.1007/978-981-15-6634-9_43
mtmt:	32038719
Online Access:	http://publicatio.bibl.u-szeged.hu/23818

Hasonló tételek

Clickstream-based outcome prediction in short video MOOCs
Szerző: Kőrösi Gábor, et al.
Megjelent: (2018)

Mooc vs. traditional learning Possibilities and weaknesses of e-learning sites /
Szerző: Kőrösi Gábor
Megjelent: (2016)

Deep Learning Models and Interpretations for Multivariate Discrete-Valued Event Sequence Prediction
Szerző: Kőrösi Gábor, et al.
Megjelent: (2021)

Moodle-based data mining potentials of MOOC systems at the University of Szeged
Szerző: Kőrösi Gábor, et al.
Megjelent: (2017)

External Motivation, the Key to Success in the MOOCs Framework
Szerző: Namestovski Žsolt, et al.
Megjelent: (2018)

Assessing Ensemble Learning Techniques in Bug Prediction
Szerző: Szamosvölgyi Zsolt János, et al.
Megjelent: (2021)

Deep learning for industry 5.0 digital-twins of people and places : [abstract] /
Szerző: Fenech Kristian
Megjelent: (2024)

Models for predicting the performance of ASP.NET web applications [abstract] /
Szerző: Bogárdi-Mészöly Ágnes, et al.
Megjelent: (2006)

Deep learning in static, metric-based bug prediction
Szerző: Ferenc Rudolf, et al.
Megjelent: (2020)

Twitter bot detection using deep learning
Szerző: Kenyeres Ádám, et al.
Megjelent: (2022)

An AST-Based Code Change Representation and Its Performance in Just-in-Time Vulnerability Prediction
Szerző: Aladics Tamás, et al.
Megjelent: (2023)

Performance evaluation of storing inhomogeneous descriptive data of digital maps [abstract] /
Szerző: Giachetta Roberto, et al.
Megjelent: (2010)

Application of Machine Learning to the Classification of Spectra-like Data
Szerző: Sun Yue
Megjelent: (2023)

Deep learning alapú agyi jel feldolgozás és beszédszintézis előkészítő munkálatai
Szerző: Arthur Frigyes Viktor, et al.
Megjelent: (2022)

Deep Neural Network Embeddings for the Estimation of the Degree of Sleepiness
Szerző: Egas-Lopez Jose Vicente, et al.
Megjelent: (2021)

Application of deep learning tools in prediction of printability of 3D printed tablets
Szerző: Djuranović Marija, et al.
Megjelent: (2021)

Phone recognition with hierarchical convolutional deep maxout networks
Szerző: Tóth László
Megjelent: (2015)

Optimizing sequence data analysis using convolution neural network for the prediction of CNV bait positions
Szerző: Maróti Zoltán, et al.
Megjelent: (2024)

Speech de-identification with deep neural networks
Szerző: Fodor Ádám, et al.
Megjelent: (2021)

Machine Learning Based Bug and Vulnerability Prediction
Szerző: Aladics Tamás
Megjelent: (2024)

Using Acoustic Deep Neural Network Embeddings to Detect Multiple Sclerosis From Speech
Szerző: Gosztolya Gábor, et al.
Megjelent: (2022)

Analysis of a short on-line course through logged data recording by a self-developed logging module
Szerző: Esztelecki Péter, et al.
Megjelent: (2018)

Novel U-net based deep neural networks for transmission tomography
Szerző: Olasz Csaba, et al.
Megjelent: (2022)

Inferring pure context-free languages from positive data
Szerző: Koshiba Takeshi, et al.
Megjelent: (2000)

Probabilistic confidence prediction in document clustering [abstract] /
Szerző: Csorba Kristóf, et al.
Megjelent: (2006)

Predicting exchange rate by neural networks [abstract] /
Szerző: Jovanovic Radmila, et al.
Megjelent: (2000)

Wireless application protocol performance testing [abstract] /
Szerző: Farkas Lóránt, et al.
Megjelent: (2000)

Assessing the Degree of Nativeness and Parkinson's Condition Using Gaussian Processes and Deep Rectifier Neural Networks
Szerző: Grósz Tamás, et al.
Megjelent: (2015)

Learning in a virtual environment
Szerző: Hampel György
Megjelent: (2014)

Comparing ML-Based Predictions and Static Analyzer Tools for Vulnerability Detection
Szerző: Vándor Norbert, et al.
Megjelent: (2022)

Deep reinforcement learning a study of the CartPole problem /
Szerző: Budai Ádám, et al.
Megjelent: (2018)

Automatic calculation of process metrics and their bug prediction capabilities
Szerző: Gyimesi Péter
Megjelent: (2017)

Joint Optimization of Spectro-Temporal Features and Deep Neural Nets for Robust Automatic Speech Recognition
Szerző: Kovács György, et al.
Megjelent: (2015)

Enhanced Bug Prediction in JavaScript Programs with Hybrid Call-Graph Based Invocation Metrics
Szerző: Antal Gábor, et al.
Megjelent: (2020)

Time series prediction using artificial intelligence methods [abstract] /
Szerző: Juhos István, et al.
Megjelent: (2002)

Evaluating the effectiveness of object oriented metrics for bug prediction [abstract] /
Szerző: Siket István
Megjelent: (2008)

Bug Prediction Using Source Code Embedding Based on Doc2Vec
Szerző: Aladics Tamás, et al.
Megjelent: (2021)

A Comparison of Different Source Code Representation Methods for Vulnerability Prediction in Python
Szerző: Bagheri Amirreza, et al.
Megjelent: (2021)

Development of partial least squares regression with discriminant analysis for software bug prediction
Szerző: Rajkó Róbert, et al.
Megjelent: (2024)

Data pictures on the desktop
Szerző: Hernádi Ágnes, et al.
Megjelent: (1990)