Predicció de matrícula basada en aprenentatge automàtic
Tutor/a - Director/a
Estudiante
Anhari Talib, Anass
Tipo de documento
Trabajo final de grado
Fecha
2023
rights
Acceso abierto
Editorial
Universitat Politècnica de Catalunya
Titulaciones
UPCommons
Resumen
A la Universitat Politècnica de Catalunya (UPC) una tasca administrativa important és la planificació del següent curs acadèmic. La previsió de matrícula és essencial per a la planificació del proper curs acadèmic, ja que determina la quantitat de grups i recursos necessaris suposant un impacte pressupostari important. Per aquest motiu, es proposa aplicar Machine Learning (aprenentatge automàtic) per acon- seguir la màxima precisió en la predicció de matícula. A més, es busca construir un sistema escalable, eficient i fàcil de mantenir per a l'entrenament i processament de dades. Diversos models i algorismes d'aprenentatge automàtic han estat avaluats i comparats, i s'ha conclòs que els boscos d'arbres són la millor opció, ja que ofereixen prediccions precises i permeten una parametrització més àmplia.
At the Universitat Politècnica de Catalunya (UPC), an important administrative task is the planning of the next academic year. Enrollment estimation is a crucial for this planning as it dictates the number of groups and resources needed, with significant financial implications. Hence, the application of Machine Learning is proposed to achieve a highest accuracy in enrollment prediction. Moreover, it is also important to build a scalable, efficient, and easily maintainable system for data training and processing. Several models and machine learning algorithms have been evaluated and compared, result- ing in the final conclusion that random forests are the best option. Random forests provide accurate predictions and offer high customization and parameterization.
