欢迎来访墨菲定律受益网站,本网站为你提供时间管理方法,百度在线阅读书籍

墨菲定律

阅读墨菲定律书籍一生受益

深度知识追踪在智能教育中的应用

作者:jcmp      发布时间:2021-03-30      浏览量:40972
近年来,在线教育正在从移动时代向人工智能

近年来,在线教育正在从移动时代向人工智能时代过渡,机器学习快速发展的同时也面临诸多挑战。在智能教育领域,如何使用机器学习模型对学生掌握的知识水平进行测量以及如何构建知识图谱都成为非常重要的课题。

这次,我们邀请了沪江人工智能实验室的张校捷,负责教育领域的深度学习模型开发和应用。他将在 Live 中介绍一个基于深度学习的循环神经网络模型( RNN )来模拟学生的知识水平。他会结合沪江人工智能团队多年来积累的实战成果告诉你: RNN 是什么? RNN 系列模型与以前的方法相比具有哪些优势?目前已有哪些成熟的应用实践?希望能给对深度学习感兴趣的你带来一些收获和启发。

>>欢迎点击下方链接,积极参与交流

深度知识追踪在智能教育中的应用-知乎Live入口

本次 Live 主要包括以下内容

1. 知识追踪的定义、现状及挑战 2. 简单知识追踪的模型——贝叶斯知识追踪 (Bayesian Knowledge Model) 模型 1 )模型描述 2 )模型的缺陷 3. 深度知识追踪基础—— RNN 和 LSTM 1 ) RNN 的定义 2 ) LSTM —— RNN 的改进版 3 ) RNN 在深度学习中的应用实例 4. 深度知识追踪模型 1 )模型描述 2 )模型的优缺点 3 )用模型描述知识点之间的相互依赖 5. 深度知识追踪实践 1 )在模拟数据集上的表现 2 )在 Khan 线课程数据集上的表现 3 )在沪江英语词汇量测试数据集上的表现 4 )在中考模拟考数学试题数据集上的表现。