dc.contributor.author | Бондаренко, З. В. | uk |
dc.contributor.author | Бондаренко, Д. С. | uk |
dc.date.accessioned | 2024-04-25T20:04:22Z | |
dc.date.available | 2024-04-25T20:04:22Z | |
dc.date.issued | 2024 | |
dc.identifier.citation | Бондаренко З. В., Бондаренко Д. С. Використання штучного інтелекту для створення тестів з вищої математики. Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2024/paper/view/20363. | uk |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/41472 | |
dc.description.abstract | The study examines the possibility of using artificial intelligence (AI) to create tests in higher mathematics. The
study shows that a prototype system based on machine learning algorithms can analyse and synthesise complex
mathematical problems, creating tests that meet curriculum standards. Five steps are proposed to develop such a system,
including data collection, model building, test generation, validation, and evaluation of the system's effectiveness. In the
case of using neural networks to analyse mathematical problems, five steps are also described, including data
preparation, model architecture, training, evaluation and optimisation. | en |
dc.description.abstract | Дослідження розглядає можливість використання штучного інтелекту (ШІ) для створення тестів з вищої математики. Дослідження показало, що прототип системи, заснований на алгоритмах машинного навчання, може аналізувати й синтезувати складні математичні задачі, створюючи тести, що відповідають стандартам навчальних програм. Для розробки такої системи запропоновано п`ять кроків, включаючи збір даних, побудову моделі, генерацію тестів, перевірку правильності та оцінку ефективності системи. У використанні нейронних мереж для аналізу математичних завдань описано також п`ять кроків, включаючи підготовку даних, створення архітектури моделі, навчання, оцінку та оптимізацію. | uk |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. | uk |
dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2024/paper/view/20363 | |
dc.subject | artificial intelligence | en |
dc.subject | mathematical tasks | en |
dc.subject | neural networks | en |
dc.subject | test generation | en |
dc.subject | математичні задачі | uk |
dc.subject | нейронні мережі | uk |
dc.subject | генерація тестів | uk |
dc.subject | штучний інтелект | uk |
dc.title | Використання штучного інтелекту для створення тестів з вищої математики | uk |
dc.type | Thesis | |
dc.identifier.udc | 628.85 | |
dc.relation.references | François Chollet. (2017). Deep Learning with Python. Manning Publications | en |
dc.relation.references | Aurélien Géron. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow:
Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media | en |
dc.relation.references | Ian Goodfellow, Yoshua Bengio, and Aaron Courville. (2016). Deep Learning. MIT Press. | en |
dc.relation.references | Sebastian Raschka, and Vahid Mirjalili. (2019). Python Machine Learning: Machine Learning and Deep
Learning with Python, scikit-learn, and TensorFlow 2. Packt Publishing | en |