Éducation
❯
Apprentissage personnalisé
❯Moteur de recommandation VTrain
Plateforme d'apprentissage adaptatif IA pour un apprentissage personnalisé
Pour:
Étudiants, enseignants (fournisseurs de contenu), services tiers (via l'expérience API), chercheurs universitaires (ensembles d'eduDATA)
But:
2,5 millions d'utilisateurs [247]
Objectif:
Expérience client améliorée
Moteur de recommandation VTrain
Pour:
Employés, exigences du poste, exigences de formation
But:
Trouvez les compétences requises et la formation pertinente en fonction des objectifs de carrière des employés.
Objectif:
Expérience client améliorée
Grand public
Éducation - Apprentissage personnalisé
Pour:
Apprenants de langues étrangères
But:
Garder les apprenants de langues étrangères engagés avec Deep Learning dans l'application Duolingo.
Objectif:
Amélioration de l'expérience client, augmentation des revenus
Solution IA pour campus intelligent
Pour:
Étudiants, enseignants, écoles, gouvernements
But:
Ce programme est une gamme complète de produits et de solutions intégrées pour l'enseignement, l'examen, l'évaluation, la gestion et l'apprentissage.
Objectif:
Amélioration de l'efficacité des employés
Moteur de recommandation VTrain
Pour:
Employés, exigences du poste, exigences de formationObjectif:
Expérience client amélioréeProblème adressé
Recommander une liste personnalisée des meilleures formations à un employé, ce qui l'aiderait à atteindre ses objectifs de carrière.
But du cas d'usage
Trouvez les compétences requises et la formation pertinente en fonction des objectifs de carrière des employés.
Description
La formation continue est cruciale pour créer et maintenir le bon profil de compétences pour la main-d'œuvre d'une organisation industrielle. Il existe une grande variété de formations disponibles au sein d'une organisation : technique, gestion de projet, qualité, leadership, métier, soft-skills, etc. Il est donc important d'accompagner le collaborateur dans le choix de la formation la mieux adaptée expérience, les besoins du projet et les objectifs de carrière. Dans ce travail, nous nous intéressons aux algorithmes de préconisation de formation en milieu industriel. Nous formalisons le problème de la prochaine recommandation de formation, en tenant compte de la formation et de l'historique de travail des employés. Nous avons développé plusieurs nouveaux algorithmes d'exploration de séquences non supervisés pour extraire les données de formation passées de l'organisation afin de faire la prochaine recommandation de formation personnalisée. En utilisant des données réelles sur la formation de 118 587 employés sur 5 019 cours de formation distincts d'une grande organisation informatique multinationale, 59 nous montrons que ces algorithmes surpassent plusieurs algorithmes de moteur de recommandation standard ainsi que ceux basés sur des algorithmes d'extraction de séquences standard.