深度知識追蹤在智能教育中的應用

近年來，在線教育正在從移動時代向人工智慧時代過渡，機器學習快速發展的同時也面臨諸多挑戰。在智能教育領域，如何使用機器學習模型對學生掌握的知識水平進行測量以及如何構建知識圖譜都成為非常重要的課題。

這次，我們邀請了滬江人工智慧實驗室的張校捷，負責教育領域的深度學習模型開發和應用。他將在 Live 中介紹一個基於深度學習的循環神經網路模型（ RNN ）來模擬學生的知識水平。他會結合滬江人工智慧團隊多年來積累的實戰成果告訴你： RNN 是什麼？ RNN 系列模型與以前的方法相比具有哪些優勢？目前已有哪些成熟的應用實踐？希望能給對深度學習感興趣的你帶來一些收穫和啟發。

>>歡迎點擊下方鏈接，積极參与交流

深度知識追蹤在智能教育中的應用-知乎Live入口

本次 Live 主要包括以下內容

1. 知識追蹤的定義、現狀及挑戰

2. 簡單知識追蹤的模型——貝葉斯知識追蹤 (Bayesian Knowledge Model) 模型

1 ）模型描述

2 ）模型的缺陷

3. 深度知識追蹤基礎—— RNN 和 LSTM

1 ） RNN 的定義

2 ） LSTM —— RNN 的改進版

3 ） RNN 在深度學習中的應用實例

4. 深度知識追蹤模型

1 ）模型描述

2 ）模型的優缺點

3 ）用模型描述知識點之間的相互依賴

5. 深度知識追蹤實踐

1 ）在模擬數據集上的表現

2 ）在 Khan 線課程數據集上的表現

3 ）在滬江英語辭彙量測試數據集上的表現

4 ）在中考模擬考數學試題數據集上的表現

推薦閱讀：