Cristei, MariaMarin, GhenadieStelea, Victor2017-10-252017-10-252017CRISTEI, Maria, MARIN,Ghenadie, STELEA,Victor. Prezicerea performanţelor studenţilor folosind învăţarea automată (Machine Learning). In: Studia Univeritatis Moldaviae. Seria Ştiinţe exacte şi economice: Matematică. Informatică. Fizică. Economie. Revistă ştiinţifică. 2017, nr. 2(102), pp. 43-49. ISSN 1857-207.1857-2073http://studiamsu.eu/nr-2-102-2017/https://msuir.usm.md/handle/123456789/1412În prezent, învăţarea automată (machine learning) ocupă un loc important în inteligenţa artificială, preocupându-se de dezvoltarea algoritmilor ce permit unui sistem informatic să înveţe date, reguli şi algoritmi. Învăţarea automată presupune în primul rând identificarea şi implementarea unei modalităţi cât mai eficiente de reprezentare a informaţiilor, în sensul facilitării căutării, reorganizării şi modificării acestora. În acest sens, în prezentul articol se descrie utilitatea şi aplicabilitatea tehnicilor de învăţare automată supervizată la problemele de predicţie şi implementarea acestora în dezvoltarea aplicaţiilor informatice. Aplicaţia elaborată este unică prin felul ei de executare a modelului machine learning de predicţie. Metodologia folosită în aplicaţia elaborată este mixtă, cuprinzând tehnologii complexe de ultimă oră: mediul de dezvoltare Jupyter Notebook, limbajul de programare Python împreună cu cele mai populare librării ale acestuia utilizate în machine learning, instrumente de dezvoltare a aplicaţiei web Flask.At present, machine learning occupies an important place in artificial intelligence, and is concerned with the development of algorithms that allow an information system to learn data, rules, and algorithms. Automatic learning involves first and foremost the identification and implementation of a more efficient way of representing information in order to facilitate search, reorganization and change. In this respect, this article describes the utility and applicability o f supervised auto - mated learning techniques to prediction problems and their implementation in the development of computer applications. The elaborate application is unique in its way of executing the Machine learning prediction model. The methodology used in the developed application is mixed, including state - of - the - art complex technologies: the Jupyter Notebook development environment, the Python programming language along with its most popular bookkeeping libraries used in machine learning, Flask web app lication development tools.roînvăţare automatăinteligenţă artificialăsisteme inteligentemасhinе lеаrningartificial intelligenceintelligent systemsArticle