뒤로 가기
홈으로 이동
LearnFit
공유하기
YouTube, Bayesian Knowledge Tracing_BKT란
yun님의 학습노트

Bayesian Knowledge Tracing_BKT란

00:15목차 확률론적 모델, BKT 모델, BKT의 한계
00:23확률적 그래프 모델이란?
00:56분석 과정에서 확률 분포를 도식적으로 표현하는 모델
01:04확률적 그래프 모델을 사용할 때의 장점 1. 편리한 시각화 2. 복잡한 계산을 그래프를 통해 나타낼 수 있음
01:15Bayesian Network
01:32Bayesian Network는 확률 변수 간 인과관계를 나타내기 위해 방향성이 존재하는 edge를 사용
01:49BKT(Bayesian Knowledge Tracing) : 베이지안을 활용한 지식 추적 알고리즘
02:08BKT의 특징은 학생의 지식 상태를 안다/모른다의 두가지 형태로 표현하는 것
02:17HMM에서는 초기 확률 ,전이 확률, 방출 확률 매트릭스를 예측하는 것에 중점
02:25BKT에서는 3개의 매트릭스를 예측하기 위해 필요한 10개 변수 중 4개를 추정
02:331. 학생이 지식을 미리 알고 있을 확률
02:372. 학생이 해당 지식을 학습 후 완전히 이해할 확률
02:443. 학생이 해당 지식을 알고 있는데도 실수할 확률
02:494. 학생이 해당 지식을 모르지만 찍어서 맞출 확률
02:55BKT에서 구해야 할 4가지 변수 정리
03:03BKT에서 필요한 데이터의 형태 : 이진 형태(0, 1)
03:16BKT output
03:22추정한 4개의 변수로부터 3개의 매트릭스를 채우는 방법
04:00BKT의 예시
04:061. 정오 예측
04:132. 교육 과정 개선 - 어떤 skill을 습득하는 데 많은 시간을 집중해야하는가?
04:282. 교육 과정 개선 - 새로운 KC를 추가할 때 어떤 skill을 먼저 습득하는 것이 효과적인가?
05:093. 정확한 예측을 위해 IRT 진행 후 BKT 진행
06:02BKT의 단점
06:051. Binary Model
06:162. 한 번에 한가지 skill만 예측 가능
06:293. 0, 1의 데이터 형태를 가질 수 있는 학습 환경에만 제한적으로 적용 가능
06:39BKT 한계로 인해 이후 DKT 모델이 등장.
✔ 학습 완료

이 학습노트가 포함된 러닝패스예요.

yun님의 다른 노트는 어때요?

yun의 프로필 이미지
yun
의 학습노트

[EdTech 입문] DKT란?_Deep Knowledge Tracing

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
14
00:23
목차 1. DKT Model 2. DKT Model Input&Output 3. DKT 특성 및 한계
00:38
DKT 모델을 알아보자. DKT는 Knowledge Tracing에 DL을 적용시킨 모델로 학생들의 반응을 예측하는 문제에 RNN과 LSTM모델을 적용시킨 방법
👍
1
스크랩
yun의 프로필 이미지
yun
의 학습노트

CS224W: Machine Learning with Graphs | Lecture 3.1 - Node Embeddings

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
32
00:00
강의노트(1p~18p) : http://snap.stanford.edu/class/cs224w-2020/slides/03-nodeemb.pdf
00:13
Traditional ML for Graph 요약
👍
1
스크랩
👋 다양한 인사이트를 읽어보고 계신가요?
나만의 학습 기록을 남기고, 관리하고 싶다면!
다양한 전문가의 멤버십 전용 콘텐츠를 보고 싶다면!
나의 학습 내용을 공유하고, 수익을 올리고 싶다면!
3초 회원가입/로그인으로, 런핏의 커뮤니티에 여러분도 함께하세요.
3초 만에 가입하기