شعار زيفيرنت

أنشئ نموذجًا للتعلم الآلي للتنبؤ بأداء الطلاب باستخدام Amazon SageMaker Canvas

التاريخ:

كان هناك تغيير نموذجي في مشاركة أفكار عملاء التعليم الذين هم الآن على استعداد لاستكشاف تقنيات وتحليلات جديدة. لقد جمعت الجامعات ومؤسسات التعليم العالي الأخرى كميات هائلة من البيانات على مر السنين ، وهم الآن يستكشفون خيارات لاستخدام تلك البيانات للحصول على رؤى أعمق ونتائج تعليمية أفضل.

يمكنك استخدام التعلم الآلي (ML) لتوليد هذه الأفكار وبناء نماذج تنبؤية. يمكن للمعلمين أيضًا استخدام تعلم الآلة لتحديد التحديات في نتائج التعلم ، وزيادة النجاح والاحتفاظ بين الطلاب ، وتوسيع نطاق وتأثير محتوى التعلم عبر الإنترنت.

ومع ذلك ، غالبًا ما تفتقر مؤسسات التعليم العالي إلى المتخصصين في تعلم الآلة وعلماء البيانات. مع هذه الحقيقة ، فإنهم يبحثون عن حلول يمكن اعتمادها بسرعة من قبل محللي الأعمال الحاليين.

قماش أمازون سيج ميكر هي خدمة ML ذات رمز منخفض / بدون رمز تمكّن محللي الأعمال من إجراء إعداد البيانات وتحويلها ، وبناء نماذج ML ، ونشر هذه النماذج في سير عمل محكوم. يمكن للمحللين أداء جميع هذه الأنشطة ببضع نقرات وبدون كتابة جزء واحد من التعليمات البرمجية.

في هذا المنشور ، نوضح كيفية استخدام SageMaker Canvas لبناء نموذج ML للتنبؤ بأداء الطالب.

حل نظرة عامة

في هذا المنشور ، نناقش حالة استخدام محددة: كيف يمكن للجامعات توقع تسرب الطلاب أو استمرارهم قبل الاختبارات النهائية باستخدام SageMaker Canvas. نتوقع ما إذا كان الطالب سيتسرب أو يلتحق (يستمر) أو يتخرج في نهاية الدورة. يمكننا استخدام النتيجة من التوقع لاتخاذ إجراءات استباقية لتحسين أداء الطلاب ومنع التسرب المحتمل.

يتضمن الحل المكونات التالية:

  • استيعاب البيانات - استيراد البيانات من جهاز الكمبيوتر المحلي الخاص بك إلى SageMaker Canvas
  • إعداد البيانات - تنظيف وتحويل البيانات (إذا لزم الأمر) داخل SageMaker Canvas
  • بناء نموذج ML - قم ببناء نموذج التنبؤ داخل SageMaker Canvas للتنبؤ بأداء الطالب
  • تنبؤ - توليد توقعات دفعة واحدة أو واحدة
  • التعاون: - المحللون الذين يستخدمون قماش SageMaker وعلماء البيانات باستخدام أمازون ساجميكر ستوديو يمكنهم التفاعل أثناء العمل في الإعدادات الخاصة بهم ، ومشاركة المعرفة بالمجال وتقديم ملاحظات الخبراء لتحسين النماذج

يوضح الرسم البياني التالي بنية الحل.

مخطط الحل

المتطلبات الأساسية المسبقة

بالنسبة لهذا المنشور ، يجب عليك إكمال المتطلبات الأساسية التالية:

  1. أحصل على حساب AWS.
  2. قم بإعداد قماش SageMaker. للحصول على تعليمات ، راجع المتطلبات الأساسية لإعداد Amazon SageMaker Canvas.
  3. قم بتنزيل ما يلي مجموعة بيانات الطالب لجهاز الكمبيوتر المحلي الخاص بك.

تحتوي مجموعة البيانات على معلومات أساسية للطلاب مثل التركيبة السكانية والرحلة الأكاديمية والخلفية الاقتصادية والمزيد. تحتوي مجموعة البيانات على 37 عمودًا ، منها 36 معلمًا و 1 تسمية. اسم عمود التسمية هو الهدف ، ويحتوي على بيانات فئوية: التسرب ، والتسجيل ، والخريج.

تأتي مجموعة البيانات تحت ترخيص Attribution 4.0 International (CC BY 4.0) وهو مجاني للمشاركة والتكيف.

استيعاب البيانات

تتمثل الخطوة الأولى لأي عملية تعلم في الآلة في استيعاب البيانات. أكمل الخطوات التالية:

  1. في وحدة التحكم SageMaker Canvas ، اختر استيراد.
  2. قم باستيراد ملف Dropout_Academic Success - Sheet1.csv مجموعة البيانات في قماش SageMaker.
  3. حدد مجموعة البيانات واختر قم بإنشاء نموذج.
  4. اسم model student-performance-model.

استيراد مجموعة البيانات وإنشاء نموذج

إعداد البيانات

بالنسبة لمشاكل التعلم الآلي ، يقوم علماء البيانات بتحليل مجموعة البيانات للقيم المتطرفة ، والتعامل مع القيم المفقودة ، وإضافة الحقول أو إزالتها ، وإجراء تحويلات أخرى. يمكن للمحللين تنفيذ نفس الإجراءات في SageMaker Canvas باستخدام الواجهة المرئية. لاحظ أن تحويل البيانات الرئيسية خارج نطاق هذا المنشور.

في لقطة الشاشة التالية ، يُظهر القسم الأول المميز (المُشار إليه بالرقم 1 في لقطة الشاشة) الخيارات المتاحة مع SageMaker Canvas. يمكن لموظفي تكنولوجيا المعلومات تطبيق هذه الإجراءات على مجموعة البيانات ويمكنهم حتى استكشاف مجموعة البيانات لمزيد من التفاصيل عن طريق الاختيار متخيل البيانات.

يشير القسم المظلل الثاني (تم التعليق عليه كـ 2 في لقطة الشاشة) إلى أن مجموعة البيانات لا تحتوي على أي سجلات مفقودة أو غير متطابقة.

إعداد البيانات

بناء نموذج ML

لمتابعة التدريب وبناء نموذج ML ، نحتاج إلى اختيار العمود الذي يجب توقعه.

  1. على واجهة SageMaker Canvas ، لـ حدد عمودًا للتنبؤ به، اختر هدفا.

بمجرد اختيار العمود الهدف ، سيطالبك بالتحقق من صحة البيانات.

  1. اختار التحقق من صحة، وفي غضون دقائق قليلة ستنتهي SageMaker Canvas من التحقق من صحة بياناتك.

حان الوقت الآن لبناء النموذج. لديك خياران: بناء سريع و بناء قياسي. يمكن للمحللين اختيار أي من الخيارات بناءً على متطلباتك.

  1. لهذا المنشور ، نختار بناء قياسي.

نموذج البناء

بصرف النظر عن السرعة والدقة ، فإن أحد الاختلافات الرئيسية بين الإنشاء القياسي والبناء السريع هو أن الإنشاء القياسي يوفر القدرة على مشاركة النموذج مع علماء البيانات ، وهو ما لا يوفره Quick build.

استغرق SageMaker Canvas حوالي 25 دقيقة لتدريب النموذج وبنائه. قد تستغرق نماذجك وقتًا أطول أو أقل ، اعتمادًا على عوامل مثل حجم بيانات الإدخال ودرجة تعقيدها. كانت دقة النموذج حوالي 80٪ ، كما هو موضح في الصورة التالية. يمكنك استكشاف القسم السفلي لمعرفة تأثير كل عمود على التوقع.

حتى الآن ، قمنا بتحميل مجموعة البيانات ، وأعددنا مجموعة البيانات ، وقمنا ببناء نموذج التنبؤ لقياس أداء الطلاب. بعد ذلك ، لدينا خياران:

  • إنشاء دفعة أو توقع واحد
  • شارك هذا النموذج مع علماء البيانات للحصول على تعليقات أو تحسينات

تنبؤ

اختار تنبؤ لبدء توليد التوقعات. يمكنك الاختيار من بين خيارين:

  • توقع الدفعة - يمكنك تحميل مجموعات البيانات هنا والسماح لـ SageMaker Canvas بالتنبؤ بأداء الطلاب. يمكنك استخدام هذه التنبؤات لاتخاذ إجراءات استباقية.
  • توقع واحد - في هذا الخيار ، تقوم بتوفير القيم لطالب واحد. سيتنبأ SageMaker Canvas بأداء هذا الطالب بعينه.

تنبؤ

التعاون:

في بعض الحالات ، قد ترغب كمحلل في الحصول على تعليقات من علماء البيانات الخبراء على النموذج قبل متابعة التنبؤ. للقيام بذلك ، اختر مشاركة وحدد مستخدم الاستوديو الذي تريد المشاركة معه.

نموذج المشاركة

ثم يمكن لعالم البيانات إكمال الخطوات التالية:

  1. في وحدة تحكم الاستوديو ، في جزء التنقل ، أسفل الموديلات ، اختر النماذج المشتركة.
  2. اختار عرض النموذج لفتح النموذج.

النموذج المشترك

يمكنهم تحديث النموذج بإحدى الطرق التالية:

  • مشاركة نموذج جديد - يمكن لعالم البيانات تغيير تحويلات البيانات وإعادة تدريب النموذج ثم مشاركة النموذج
  • مشاركة نموذج بديل - يمكن لعالم البيانات اختيار نموذج بديل من قائمة المدربين Amazon SageMaker الطيار الآلي نماذج ومشاركتها مرة أخرى مع مستخدم SageMaker Canvas.

نموذج المشاركة

في هذا المثال ، نختار مشاركة نموذج بديل وافترض زمن انتقال الاستدلال حيث شاركت المعلمة الرئيسية ثاني أفضل نموذج مع مستخدم SageMaker Canvas.

يمكن لعالم البيانات البحث عن معلمات أخرى مثل درجة F1 والدقة والاستدعاء وفقدان السجل كمعيار قرار لمشاركة نموذج بديل مع مستخدم SageMaker Canvas.

في هذا السيناريو ، تبلغ دقة أفضل نموذج 80٪ وزمن انتقال للاستدلال 0.781 ثانية ، في حين أن ثاني أفضل نموذج تبلغ دقته 79.9٪ وزمن انتقال للاستدلال 0.327 ثانية.

نموذج بديل

  1. اختار مشاركة لمشاركة نموذج بديل مع مستخدم SageMaker Canvas.
  2. أضف مستخدم SageMaker Canvas لمشاركة النموذج معه.
  3. أضف ملاحظة اختيارية ، ثم اختر مشاركة.
  4. اختر نموذجًا بديلاً لمشاركته.
  5. أضف ملاحظات واختر مشاركة لمشاركة النموذج مع مستخدم SageMaker Canvas.

يقوم عالم البيانات بمشاركة النموذج

بعد أن يشارك عالم البيانات نموذجًا محدثًا معك ، ستتلقى إشعارًا وسيبدأ SageMaker Canvas في استيراد النموذج إلى وحدة التحكم.

نموذج استيراد قماش

سيستغرق SageMaker Canvas لحظة لاستيراد النموذج المحدث ، ثم سيعكس النموذج المحدث كإصدار جديد (V3 في هذه الحالة).

يمكنك الآن التبديل بين الإصدارات وإنشاء تنبؤات من أي إصدار.

تبديل إصدارات النموذج

إذا كان المسؤول قلقًا بشأن إدارة الأذونات للمحللين وعلماء البيانات ، فيمكنهم استخدامها مدير دور Amazon SageMaker.

تنظيف

لتجنب تكبد رسوم في المستقبل ، احذف الموارد التي قمت بإنشائها أثناء متابعة هذا المنشور. تقوم SageMaker Canvas بفواتيرك مقابل مدة الجلسة ، ونوصي بتسجيل الخروج من Canvas عند عدم استخدامها. تشير إلى تسجيل الخروج من Amazon SageMaker Canvas لمزيد من التفاصيل.

وفي الختام

في هذا المنشور ، ناقشنا كيف يمكن أن تساعد SageMaker Canvas مؤسسات التعليم العالي على استخدام قدرات ML دون الحاجة إلى خبرة ML. في مثالنا ، أظهرنا كيف يمكن للمحلل بناء نموذج ML تنبؤي عالي الدقة بسرعة دون كتابة أي رمز. يمكن للجامعة الآن العمل بناءً على هذه الأفكار من خلال استهداف الطلاب المعرضين لخطر التسرب من الدورة على وجه التحديد مع الاهتمام الفردي والموارد ، مما يعود بالفائدة على كلا الطرفين.

لقد أوضحنا الخطوات بدءًا من تحميل البيانات في SageMaker Canvas ، وبناء النموذج في Canvas ، وتلقي التعليقات من علماء البيانات عبر Studio. اكتملت العملية برمتها من خلال واجهات مستخدم على شبكة الإنترنت.

لبدء رحلة ML ذات الرمز المنخفض / بدون رمز ، ارجع إلى قماش أمازون سيج ميكر.


عن المؤلف

Ashutosh كومار مهندس حلول مع فريق التعليم في القطاع العام. إنه متحمس لتحويل الأعمال بالحلول الرقمية. لديه خبرة جيدة في قواعد البيانات والذكاء الاصطناعي / تعلم الآلة وتحليلات البيانات والحساب والتخزين.

بقعة_صورة

أحدث المعلومات الاستخباراتية

بقعة_صورة