Candidate of Physical-Mathematical Sciences, Head of the Laboratory “Neurocognitive Autonomous Intelligent Systems”
канд. физ.-мат. наук, зав. лабораторией «Нейрокогнитивные автономные интеллектуальные системы»
магистрант 2-го года обучения направления «Информатика и вычислительная техника»
2nd year Student in the Field of “Informatics and Computer Science”
канд. экон. наук, доцент кафедры информатики
Candidate of Economic Sciences
The article presents the architecture and software implementation of a service for collecting data and predicting student employment based on a fully connected neural network using the example of graduates of Kabardino-Balkarian State University in areas related to information technology. The service operates as a website and allows to collect, store and analyse data on academic performance, activity, employment and learning conditions of graduates. The presented neural network model predicts the main parameters associated with employment based on the results of a student survey, including the expected level of remuneration, job search time and employee workload. At the same time, the set of input parameters used makes it possible to take into account not only data on academic performance, but also demographic indicators and conditions in the region of the student’s studies. Forecasting employment conditions can be used not only to select the direction of training for applicants and build educational trajectories for students, but also to plan changes to the university curriculum. The work provides the structure of the site, the architecture of the neural network and a description of the software implementation of the service.
В статье представлены архитектура и программная реализация сервиса для сбора данных и прогнозирования трудоустройства студентов на основе полносвязанной нейронной сети на примере выпускников Кабардино-Балкарского государственного университета по направлениям, связанным с информационными технологиями. Сервис реализован в виде веб-сайта и позволяет обеспечить сбор, хранение и анализ данных об успеваемости, активности, трудоустройстве и условиях обучения выпускников. Представленная модель нейронной сети по результатам анкетирования студента прогнозирует основные параметры, связанные с трудоустройством, в том числе ожидаемый уровень оплаты труда, время поиска работы и степень загруженности сотрудника. При этом используемый набор входных параметров позволяет учитывать не только данные об успеваемости, но и демографические показатели, условия в регионе обучения студента. Прогнозирование условий трудоустройства может использоваться не только для выбора направления подготовки абитуриентами и построения образовательных траекторий студентами, но и для планирования изменений в программу обучения вуза. В работе приведены структура сайта, архитектура нейронной сети и описание программной реализации сервиса.