智适应教育行业研究报告.pptx

,智适应教育行业研究报告,目录,0102,智适应教育相关概念阐述智适应教育行业现状分析,03040506,智适应教育投融资情况国内智适应教育代表公司分析国外智适应教育代表公司分析智适应教育阻碍因素及发展趋,1,智适应教育相关概念阐述1. 人工智能在教育领域的应用2. 自适应教育概述及分类3. 自适应教育发展历程4. AI教育和自适应教育的关系,人工智能定义及中国人工智能发展战略目标 人工智能是一门综合了计算机科学、生理学、哲学的交叉学科，是使用机器代替人类实现认知、识别、分析、决策等功能的技术。伴随着人工智能的三次浪潮，越来越多的中国企业投入到AI领域的研究和探索中。在国务院发布的人工智能发展规划中在2030年人工智能核心产业规模将超过1万亿元，并将带动相关产业规模超过10万亿元。 人工智能发展的核心是与行业相结合，只有赋能垂直行业的技术才具有市场化价值。通过创造新的用户价值，解决行业稀缺资源的痛点与提高原产业运行效率，人工智能将会为社会带来可持续价值。,150000100000,2020年,2030年,中国人工智能核心产业规模及带动产业规模规划,核心产业规模,2025年带动产业规模,单位：亿元人民币,STEP 1总体技术和应用与世界先进水平同步。初步建成人工智能技术标准、服务体系和,产业生态链。500000,STEP 2基础理论实现重大突破。在智能教育、智能医疗、智能制造、智能农业与国防等领域广泛应用。,STEP 3理论、技术与应用总体达到世界领先水平。,4%,11.80%,5.10%,6.70%,160140120100806040200,30%25%20%15%10%5%0%,2010-2016年 ImageNet 图像识别错误率,28.20%2010年NEC美国,25.80%2011年Xerox,8层神经网络16.40%2012年AlexNet,8层神经网络11.70%2013年Clarifi,152层神经网络22层神经网络19层神经网络7.30%3.50%2014年 2015年 2016年VGG GoogleNet ResNet,人眼识别错误率5.1%,2011-2017年 Switchboard 电话语音错误率,14.50%2011年IBMGMM-HMM,12.20%2012年 IBM 2013 IBMDNN-HMM CNN-HMM,10.40%8.00%5.90%2014年IBM 2015年IBM 2016年MSR 2017年IBMJoint Joint ResNet+LACE+BLSCNN/DNN CNN/DNN+RTM+RNNLMNN+NNLM,16%14%12%10%8%人类语音识 6%别错误率5.1%2%0%,人工智能通用技术发展情况 应用到垂直行业的人工智能的通用技术主要包括语音识别、自然语言处理与图像识别。其中语音识别与自然语言处理已经验证的应用场景有在线教育和呼叫中心；图像识别中以人脸识别技术发展的最为迅速，应用的场景最为广泛，主要应用在安防和金融两个领域。 近几年，各项通用技术的错误率均接近或超越了人类的平均能力。尽管技术还有诸多问题亟待解决，但已能在具体的场景下作为辅助功能提高行业效率。,根据学生的学习行为数据进行测评，比如根据口语测试发音水平，如智能测评、智能阅卷类公司。为学生提供练习题，分析做题数据并且给出评估报告，如拍照搜题等题库类公司。通过搜集和分析学生的学习模式和学习行为，调整学习路径，推荐相应的学习内容，提供个性化学习，如自适应学习系统类公司。实时和连续搜集学生学习行为数据，线上推荐相应的教学课程，辅助和替代老师教学，如自适应学习系统、教学机器人类公司。,人工智能在教育领域的应用 人工智能在学习中可应用在测、练、学、教四个环节，类别上可划分为识别类和策略类。 AI教育中的识别类包括拍照搜题、智能测评、智能阅卷等，具体应用了图像识别、语音识别、语义识别等技术；策略类主要是自适应学习系统，主要应用了信息论技术、贝叶斯理论、知识空间、遗传算法等技术。,测练学教,对数据要求低需要连续的学生学习行为数据,标记答案对错，然后提供预先设定好的路径而不管学生具体的反馈基于学生行为数据实时动态调整的学习路径,简单的辅导老师和减少学生的刷题洞察学生知识点的掌握情况和连续积累学习行为，实时调整学习内容，做到个性化教学,自适应教育概述及分类 自适应教育是一种为学生提供个性化学习的方式，通过追踪学生如何回答问题，基于其特定行为和答案，推荐相应的学习路径，以更好地适应学生个人的学习需求，做到因材施教，类别上分为规则的自适应教育和非规则的自适应教育。 规则的自适应教育：具有固定的在线学习顺序，系统按照预先设定好的规则，将内容传送给学习用户，无法根据用户的行为实时反馈和调整学习路径，无法做到真正千人千面的个性化学习。 非规则的自适应教育：运用人工智能、数据挖掘、认知科学、教育学、心理学、行为科学等知识，连续、实时地收集学生学习数据，根据学习者的学习目标、学习行为、偏好和学习状态实时动态调整和优化学习路径，以达到个性化教学的目的。这种基于AI技术的自适应教育即为人工智能自适应教育，简称为智适应教育。,类型,技术,数据,学习路径,效果,规则的自适应教育非规则的自适应教育,简单的计算机编程技术贝叶斯理论、知识空间理论、分类树、模糊逻辑、概率图模型、逻辑斯蒂回归、神经网络、遗传算法等技术, 非规则的自适应教育的知识点关联性以及路径推荐逻辑复杂，可以基于学生的行为实时评估接下来的学习内容，实现学习路径的千人千面的规划。非规则的自适应学习模式,自适应教育概述及分类, 规则的自适应教育的知识点之间的关联较为简单，基于“如果-然后”的简单逻辑，为学生提供有限的学习路径规划，不能实时收集数据以动态地调整路径。规则的自适应学习模式,蒙特利尔大学组织第一,国际会议,1905年Alfred Binet创建第一个自适应测验 - 比奈智商测验,1950年B. F. Skinner 提出程序化学习理论和生产出教学机器,1959年伊利诺伊大学开发出PLATO自动化教学操作系统的程序逻辑,1970s开始出现计算机辅助教学， JaimeCarbonell创建Firts智能教学系统,1993年英国爱丁堡举行第一届人工智能教育（AiED）国际会议,1988年 2000sKnewton、Realizeit等自适应平台相届ITS（智能教学系统） 继成立。Knewton是较早将人工智能技术应用到自适应学习中的公司。,41家做自适应教育的公司。,2010s国内智能自适应教育开始兴起，乂学教育、学吧课堂等公司开始投入自适应领域。截止目前共有,2016年起众多教育机构开始涉足自适应教育，如好未来、可汗学院等。,自适应教育发展历程 自适应教育学习理念很早之前就存在，其形成通常与 B. F. Skinner 的教学机器和他的程序化学习理论有关，这个理论于 1950s 年代出现，1970s开始通过计算机辅助教学，出现了智能化教学系统。近年来，随着大数据、人工智能等技术不断成熟，逐渐从理论走向落地应用，推动了人工智能自适应教育的快速发展。,AI教育和自适应教育的关系 AI教育是人工智能技术在教育行业的垂直化应用，可分为识别类和策略类。自适应教育是一种个性化教育方式，以做到因材施教，分为规则的自适应教育和非规则的自适应教育，其中基于AI技术的非规则的自适应教育，简称智适应教育，AI教育中的策略类即为智适应教育。AI教育和自适应教育关系图,AI教育中的策略类即为智适应教育,非规则的自适应教育即为智适应教育,策略类识别类,AI教育的分类,非规则的自适应AI base规则的自适应非AI base,自适应教育的分类,智适应教育,2,智适应教育行业现状分析1. 行业发展背景2. 中美对比3. 关键发展因素4. 国内发展现状分析5. 产业链分析6. 分类及流程图,智适应教育发展驱动力, 国务院发布的新一代人工智能,发展规划中提到要围绕教育、医疗、养老等迫切民生需求，加快人工智能创新应用。政策的支,持将加快推动新型教育体系、智能校园的建设。, 云计算、云存储的发展降低了存储成本，使得大量的数据得以保存下来，数据的积累为模型训练和算法奠定了基础。, 随着信息和通信技术的演变，计算机变得越来越小，功能更强大，价格更实惠，为智适应教育被广泛用于不同的环境，,高效地进行教学和培训，奠定了设备基础。, 人工智能、深度学习等技术的,发展，逐渐从理论落实到具体的领域应用，为智适应教育的发展提供了技术支持。,硬件设施的成熟,基础数据的积累,国家政策的推动,底层技术的发展,传统教培行业的痛点VS智适应教育解决的问题传统教培难以做到个性化教学，效率低下, 传统教育中，老师的教学内容和进度根据所有学生的整体水平进行，“一对多”和对知识点线性地推进，且采用传统的诊断性评价方法确定全班课程教学，无法根据学生的接受度和学习习惯因材施教。优质的教师资源供给不足，且价格昂贵 经验丰富的教师资源稀缺，价格昂贵，且受传统教育体制和地区经济水平差异等因素的影响，目前教育行业资源分配不均的情况严重。传统教培的痛点, 借助大数据建模和算法推送，实时连续记录学生的学习行为，追溯学生的知识漏洞，根据学生的学习习惯和知识点掌握情况，推出针对性的教学方案，提高学习效率。 通过人工智能自适应系统模拟优秀的虚拟老师，可以改善师生比例差距过大的现状，让更多的学生享受到优质的教育资源，从而间接提高教育的公平性。智适应教育的优势,发展背景,应试教育发达，对成绩提升需求迫切，课外付费辅导行业发达智适应教育起步较晚，技术基础薄弱,种族繁多，学生拥有多元化背景智适应教育起步早，技术相对成熟,内容生产,应用场景 ,多应用在K12基础教育阶段,多应用在高等教育,智适应教育中美发展对比 由于中美两国教育文化的不同，智适应教育行业的发展在内容生产、商业模式和应用场景上有很大差异。美国的智适应教育起步早，技术相对成熟，但总体上仍处于高等教育实验适应性学习早期阶段。美国以平台型公司为主，内容上与大型出版商合作，主要用户是高等学校等B端用户；国内起步较晚，智适应教育公司不仅研发系统，而且自己组建团队研发内容，主要用户为K12中小学生。,中国,美国,内容上，自适应系统公司自己组建团队研发内容；教材 版本众多，不同的教材知识匹配不同，知识点更加细致，知识体系一般为几百万的量级,内容上，由学校和出版商提供，知识产权明确，经过多年培育，内容质量更优；知识体系量级一般为几千几万数量级,智适应教育关键发展因素,内容, 对教学大纲和课程要有足够深入的理解，内容要与教育目标和课程高度吻合。, 知识图谱的颗粒度、知识点的分拆、标签的级别要足够精细，知识点之间的关联度要足够细致，以快速精准定位出学生薄弱的知识,点，推荐学习路径。,技术, 用到遗传算法、知识空间、贝叶斯定理等技术，需要策略型AI的数据科学家。图像识别、自然语言处理等识别类AI技术难以满足,需求。,数据, 单点而杂乱的用户数据价值不大，需要搜集用户整个学习过程的数据，算法才能在测-练-学-教的整个过程中发挥作用，结合当前和历史的学习行为数据分析，推荐最优学习路径。有效的学习行为数据其特点：用户行为数据的连续性、数据上下文的前后关联度。, 随着有效用户连续数据的积累，不断优化数据模型，从而提高精准度和用户测评的速度。, 内容、数据、技术是智适应教育的关键发展因素，对于智适应教育公司的团队成员而言，既需要懂教育行业和教学,理论，又需要懂得机器算法等AI技术。,智适应教育行业发展现状分析,智适应教育行业目前处于处于初步发展期，产业链不成熟，分工不明确，用户对智适应教育认知度低，需要不断教育市场；大小玩家开始入局，对公司团队的技术-内容-商业化能力要求高。,01,市场参与者,国内做人工智能自适应教育的创业型公司主要有三类： 智适应学习系统服务商，如乂学教育、论答； 拍照搜题、智能测评等工具类公司，如学霸君、英语流利说； 英语语言培训类公司，如朗播网。上市企业中做智适应教育的，有传统中小学教育机构，如好未来、新东方；人工智能语音测评公司，如科大讯飞。,02,公司发展模式, 涉及学习过程的环节：从测评和练习切入或者涉及学习的全过程； 服务对象：K12中小学生基础教育；成人语言培训； 商业模式：toC 面向学生用户；toB 面向公立学校和辅导机构； 学科：以数学和英语等学科为主。,03,关键因素发展程度, 内容：由智适应教育公司自己做，对教研团队的能力要求高，且工作繁重，投入成本高； 数据：测试和练习的单点学生行为数据丰富，学习和教学的数据缺失，有效的结构化的连续性数据稀缺； 技术：技术不成熟，策略型数据科学家人才稀缺。,中,游,智适应教育产业链分析,内容研发,数据采集,产品研发,市场推广,用户,B端用户：公立学校、辅导机构。国家政策鼓励推动人工智能在教育领域的应用，推动智能校园建设以及开发智能教育助理。C端用户：K12公校学生；成人语言培训。应试教育发达，课外辅导需求旺盛。,智适应教育行业产业链分为上游的内容研发和数据采集，中游的产品研发和推广，下游的用户。目前，产业链各环节分工不明确，从内容研发-数据采集-产品研发-推广等各个环节，智适应教育公司大都自己来做。随着行业不断发展成熟，产业链分工有望逐步明确。智适应教育行业产业链分析上 游 下 游,需要懂人工智能技术和算法的策略型AI科学家。人工智能科学家人才稀少，且昂贵。随着各行业纷纷应用人工智能技术，加剧了对人才的争夺。教育行业相比其他行业，需要的周期更长，发展较慢，对人才的吸引力较弱。,需要建立庞大的知识 数据来源主要由第三点网络。主要是对各 方数据平台提供和智知识点进行拆分和打 适应教育公司自己前标签，知识点的关联 期积累。需要有经验的教育专 对数据质量要求高，家来做，打标签由机 学生的单点行为数据器+人工相结合。学科 价值不大，需要用户和教材版本众多，知 的连续行为数据。识体系庞大，每个学 虽然教育行业已经积科需要上千万的成本。 累了一定的用户数据，前期工作繁重，投入 但是有效的结构化的大。 连续数据稀缺。,智适应教育在国内处于发展萌芽期，用户对其认知度不够，需要市场推广不断教育用户，提高用户对其接受度。对于面向公立学校提供服务的公司而言，需要考虑如何与校内现有老师教学体系更好地结合。,智适应题库系统智适应学习系统,测、练测、练、学、教,采集学生测评和练习的数据采集学生测-练-学-教整个学习过程的数据,算法主要应用在能力测评和练习题推送算法应用在学习的全过程,题库类公司测评类公司作业类公司智适应系统服务商,智适应教育分类 根据智适应教育在学习过程中涉及的环节和程度，可分为智适应题库系统、智适应学习系统。 智适应题库系统主要涉及学习过程的测、练两个环节，公司主要为题库类、测评类以及作业类等公司，通过测评学生的能力，根据学生知识状态的用户画像，提供在线解答、在线练习等服务。智适应学习系统涉及测-练-学-教四个环节，可以连续搜集学生学习行为数据，根据对学生当前能力的了解，规划学生最优学习路径，并自动推送线上教学视频等学习内容，实现整个学习过程的闭环。,类型,涉及的环节,特点,数据,算法,公司类型,单点自适应，在特定时间点评估学生的表现，确定之后的练习内容学和教的过程由老师真人辅导和教授连续自适应，实时记录学生的学习行为数据，最大限度地提高学生获得学习目标的可能性根据测和练的结果，推荐相应的知识点教学视频,智适应学习系统模型 人工智能技术可应用在教育的各个环节，从测-练-学-教为学生提供连续的学习过程，通过智适应系统完成整个学习过程的闭环，老师在学习过程中起到一定的监督和学生情绪引导作用。智适应学习系统模型,学习,巩固已学知识点,学习内容推送：推荐相应的知识点视频讲解，由算法决定学习内容和时长,个性化推荐引擎：依据数据分析结果，进行个性化学习路径和学习内容推荐大数据分析系统：分析处理学习数据，并进行数据建模大数据采集系统：实时采集每个学生行为数据数据采集和分析：实时采集学生整个学习过程行为数据，通过对学生当前以及历史数据的分析，追踪历史知识点的掌握情况，通过对知识点掌握情况以及学习时间的评估，推荐最优和最高效的学习内容。,测评,教授,练习,练习,学生,通过测试题诊断学生知识点掌握情况，针对薄弱知识点推荐最优的学习路径，减少无效刷题,3,智适应教育投融资情况1. 热度趋势2. 投资事件整体情况3. 投资事件轮次占比4. 项目地域分布,AI教育细分领域热度趋势,自2017年1月起智适应教育的热度一路呈上涨趋势，上涨比例高达400%，逐渐超过拍照搜题、教育测评等领域，可见智适应教育逐渐受到投资人的青睐和关注。AI教育细分领域投资人热度12108,教育测评拍照搜题智能阅卷自适应学习,6420注：热度根据鲸准平台用户行为数据计算得出,智适应教育,2012年,2013年,2014年,2015年,2016年,2017年,种子天使,A轮,B轮,C轮,D轮,并购,战略投资, AI教育领域投资事件数量在2013年前仅为个位数，从2014年开始爆发，2015年达到高峰。大多数项目募集的为种子天使和A轮的资金，表明行业处于早期阶段。自2014年开始就有项目通过并购退出，在接下来的几年中战略投资的数量也有所增加，可见互联网企业、教育企业愈发看好AI教育的发展，提前进行战略布局。,706050403020100,AI教育投资事件整体情况2012-2017年AI教育融资事件数量及轮次分布80 单位：件, 2017年，作业帮、英语流利说、学霸君、乂学教育、极课大数据均获得了亿元以上的融,资额度，使得该年无论是融资总额还是平均投资额均达到历史新高。资本的青睐加速了AI教育的发展，预示着第一梯队的项目会更,快布局市场，争夺用户。,2,100,1,160,2,200,3,460,2,430,7,420,20151050,40353025,5045,2012年,2013年,2014年,2015年,2016年,2017年,AI教育投资事件整体情况2012-2017年AI教育领域融资额情况,投资总额（亿元人民币）,平均投资额（万元人民币）,96,单位：件教辅工具教育机器人智能测评儿童机器人陪伴机器人拍照答题自适应学习智能阅卷,10,546,AI教育各细分领域平均融资额2,4002,2591,8161,7871,4501,4181,341,单位：万元人民币拍照答题自适应学习智能测评教辅工具陪伴机器人智能阅卷教育机器人儿童机器人,智适应教育,教育 智,AI教育投资事件细分领域概览,由于行业主要处于早期，AI教育各细分领域的平均融资额在2000万元人民币左右。教辅工具项目获得的融资事件数,量最多，超过第二名教育机器人两倍之多。拍照答题类的项目融资事件数量虽少，但由于几笔后期的大额融资，平均额度达到了第一，超过1亿人民币，远远领先于其他领域，可以看出AI教育中教辅工具和拍照答题更成熟。 智适应教育项目的融资事件数量很少排在倒数第二的位置，但平均融资额却达到了第二。可见虽然行业处于早期阶段，但相对于其他细分领域来说更受资本的青睐。,AI教育各细分领域融资事件数量3932313130216,儿童机器人,教育测评,教育机器人,拍照搜题,陪伴机器人,智能阅卷,自适应学习,未融资,种子天使,A轮,B轮,C轮,新三/四板,退出,智适应教育,AI教育细分领域轮次占比,AI教育各细分领域未获得过融资的项目占比较大，可见行业处于早期阶段。相较于其他细分领域，拍照搜题获得过融资的占比最大，说明该领域相对成熟。智适应教育项目大多处于种子天使和A轮阶段。AI教育细分领域项目轮次占比分布情况100%80%60%40%20%0%,北京市37%,广东省17%,上海市11%,6%,四川省4%江苏省6%浙江省,AI教育项目地域分布其他19%,北京市40%,上海市16%,浙江省13%,湖北省5%广东省8%,智适应教育项目地域分布其他18%,AI教育项目地域分布情况,AI教育项目主要集中分布在北京、广东、上海等一线省市，其中北京最多，占比高达37%。智适应教育项目也是主要集中在一线省市，和AI教育比起来，广东省占比有所下降。排名前三的是北京、上海和浙,江。,4,国内智适应教育代表公司分析1. 国内公司分析2. 国内公司知识点展示,2000万美元,Tiger老虎基,H Capital,起作业网通过在线作业切入公立学校教学体系，首先利用“作业”这一高频场景积累用户和流量，再通过推出付费教学产品完成变现。,公司简介一起作业网是一个连接教师、学生、家长三方的在线作业平台，于2011年在上海成立。一,500万美元顺为资本A 轮,1亿美元H Capital、Temasek淡马锡、DST金、顺为资本 Global、顺为资本C 轮 D轮,2.5亿美元淡马锡、中信产业基金、顺为资本等E轮,一起作业-基本概述主要科目K12全学段、全学科,商业模式针对B端公立学校客户出售在线作业平台；在线培训课程和智能同步教辅。业务进展截止2017年12月，已服务31个省市、363个城市、10万余所学校；注册用户超过5000万，其中教师180万、家长1700万、学生3700万。,融资情况数百万人民币真格基金天使轮,1000万美元顺为资本、真格基金B 轮,一起作业-团队介绍 创始人肖盾就读于剑桥大学、麻省理工学院和哈佛大学，曾于英国创办敦煌教育，开发移动互联网教育应用；CEO刘畅是原新东方精英教师，著名词汇教学专家。, 董事长王强是真格基金联合创始人，新东方联合创始人，牛津大学哈里斯曼彻斯特学院基石院士，英语教学专家，曾出版作品读书毁了我书蠹牛津消夏记等。 创始人兼CEO刘畅是天津大学生物工程硕士，原新东方集团助理副总裁，曾作为中国在线教育行业唯一代表，登上哈佛大讲堂和乌镇世界互联网大会演讲台，被评为“2015年度数字出版新锐人物”。 联合创始人肖盾毕业于英国剑桥大学电子信息工程专业，曾先后在中国银行、瑞士银行、北京奥组委工作。热衷于教育公益事业，在多家教育相关的公益基金会任职。,教育专家技术专家,一起作业-产品分析,使用场景,适用年级,科目,自适应环节,课程形式,数据,算法应用,公立学校课后作业公立学校考试测验,1-12年级,全学科,自适应练习自适应测试,公立学校一对多课堂教学根据作答情况推送前序、后序知识点,采集学生测-练过程数据,应用在个性化习题推送环节、计算单知识点熟练度环节, 教师在线组卷、阅卷、布置作业，系统应用知识图谱和自适应算法，实现学习过程的数据收集和个性化试题推送。,学生在线做作业，并根据作答情况推送前序/后序知识点进行学习。通过计算学生单知识点的熟练度，生成学情分析报告，辅助教师教学。,测,练,学,教,学情分析报告辅助教师教学,一起作业平台每天有5T的教育大数据产生，上百人的大数据和人工智能团队利用个性化数据展现学生的特征，实现学生数据收集和个性化试题推荐；应用贝叶斯、IRT算法计算单知识点的熟练度，即通常所说的能力值，并根据学生知识点掌握情况生成学情分析报告。产品在学习各环节中的体现,学习过程数据收集和个性化试题推送,下无人课堂”相结合的服务模式，致力于通过AI技术改造传统教育,针对学生特点提供个性化辅导。,乂学教育-基本概述主要科目语文、数学、英语、物理,商业模式开设线下辅导培训机构；线上智适应系统课程辅导。续费用户客单价16000元，一节课单价根据地区从100元到200元不等。业务进展截止2017年底，在全国201个城市和乡镇开设500多家学校，精编122万道题；付费用户10万左右，复班率80%。,公司简介乂学教育是一家人工智能自适应网络教育公司，2014年成立于上海，主要面向K12学生，采用线上“智适应学习系统”+“线,融资情况3100万人民币好未来，青松基金，正和岛基金，俞敏洪等种子轮,2.7亿人民币景林投资，国科嘉和，新东方，诺基亚成长基金，SIG海纳亚洲创投基金等天使轮, 首席科学家崔炜为爱尔兰国立大学人工智能博士和博士后，师从AI进化算法专家Michael ONeill教授和AnthonyBrabazon教授，发表过16篇国际学术论文；19次国际学术演讲。曾在智适应公司CCKF和RealizeIt工作多年，负责AI自适应算法研发。 高级数据科学家Dan Bindman为加州大学尔湾分校行为数据科学博士，发表了多篇学术论文；多轨知识能力测评算法的合作发明者。ALEKS创始团队一员，担任ALEKS 教学产品和数据科学负责人。 美国研究实验室负责人Richard Tong为中国人民大学学士，阿拉巴马大学硕士，曾任Knewton亚太区方案实施负责人，自适应测试（CAT）工作组成员，SIF Association国际技术委员会委员，凤凰网CTO等。教育专家 首席学习官张锐是国家特级教师，连续16年担任省高考外语阅卷质检组组长， 连续20年担任市中考外语阅卷领导小组组长。在全国35家出版社主编或独著工具书、教辅书200余本，全国累计销量超过1000万册。三十多年中学生教育和研发经验，在昂立国际教育担任研发及师训总监六年。运营团队 董事长栗浩洋为教育领域20年连续创业者，曾任昂立教育集团下属昂立国际教育总经理、副董事长，共同带领昂立教育集团成功登陆A股成为国内第一家教育上市公司，最高市值130亿，早年被8所大学保送，是典型的学霸型创业者，个人愿景要打造像苏格拉底达芬奇爱因斯坦合体的AI老师，让中国贫困山区的孩子同样可以学习到特级老师的课程。 CEO周伟曾任昂立国际教育副总裁兼战略发展事业部总经理，曾就任于世界500强雅芳集团，从一线地推做到上海地区总经理，管理上千团队。连续4年获得地区、团队的全国最优称号。,乂学教育-团队介绍 核心技术团队成员来自ALEKS、 Knewton、 RealizeIt等智适应教育公司，有自适应算法和系统的研发经验；曾发表多篇国际学术论文，在量化金融、金融算法交易等策略类AI有研究；管理团队来自上市公司昂立教育，曾拓展过近30个省市、1000个城市的2000家学校，在教育行业深耕多年，拥有教育行业经验。技术专家,技术内容商业,线,上,测通过少量习题检测，诊断学生知识点掌握情况,教在线知识点视频讲解，AI算法根据学生的知识点掌握情况决定学习内容和学习时长,练针对薄弱知识点进行练习,1-12年级,英语、数学、语文、物理,自适应测试自适应练习自适应学习自适应教学,线上系统学习+真人老师监督知识点视频+题目视频真人+动画+录屏,采集学生测-练-学-教的学习过程数据,应用在测评、练习、学习路径规划和教学环节,测检测薄弱知识点学习情况,测练学教整个学习环节，由松鼠AI在线上自动完成，老师对学生进行监督和情绪引导,使用场景,适用年级,科目,自适应环节,知识数量,课程形式,数据,算法应用,线上一对一线下个性化教学,英语知识点：1.5万个，视频数量： 3万个，精编题量：60万道语文知识点：1万个，视频数量： 1.8万个，精编题量：11万道数学知识点：1.5万个，视频数量： 4.1万个，精编题量：35万道物理知识点：1万个，视频数量：2.3万个，精编题量：16万道,学针对薄弱知识点，算法推荐适合的学习路径，并且根据学生行为实时调整最优路径,乂学教育-产品分析 乂学教育采用线上线下相结合的产品服务模式。线上，采用智适应学习系统松鼠AI+直播课，直接面向学生提供服务；线下，与其他线下教育公司合作或者自营辅导机构，授课以“松鼠AI智适应系统”为主、老师辅助。其核心产品是松鼠AI智适应学习系统。产品在学习各环节中的应用,题、多形式批注、学习效果的数据统计与图谱搭建，根据学习状况获得针对性智能推荐等。,作业盒子-基本概述主要科目数学、英语、语文,商业模式面向学生端收费，主要形式为APP内的闯关、学生购买练习题目的收费项目。业务进展截止2017年9月，作业盒子累计注册用户超2000万，日均活跃用户超200万，覆盖32个省市自治区、400多座城市的50000所学校、累计采集答题数据超200亿条。,公司简介作业盒子是一个K12在线作业服务提供商 ，于2014年在北京成立。分为教师端与学生端，用户可在上面进行智能出,融资情况100万美元联想之星天使轮,1000万美元好未来、联想之星、刘强东A 轮,1亿人民币德联资本、联想之星B 轮,2亿人民币宜舍家居、百度投资、好未来、贝塔斯曼亚洲投资基金C轮,管理团队技术团队,作业盒子-团队介绍 核心团队成员来自英特尔、百度等公司，有连续创业经验和教育行业从业经验。, 创始人刘夜毕业于对外经济贸易大学金融学专业，从小学习编程，在电商、企业SAAS、O2O均有创业涉猎。大三创立因脉科技规模过千万。14年互联网产品技术经验，连续创业者。 COO王克是中国人民大学经济学硕士，中欧EMBA。曾任职于康柏，英特尔，负责过英特尔本土OEM行业的销售。2010年加入百度，任职战略合作部总经理，全面负责百度公司级的战略合作和新业务拓展。 CMO贾晓明曾任科利华销售副总裁，2003年加入英特尔任中国大区教育行业负责人，有二十年教育行业从业经验，对于教育行业信息化生态有深刻理解，并拥有教育行业资源。 80%的核心研发团队来自BAT和哥伦比亚、清华、北大等名校。,布克圆桌,布克自习,激励体系,分级阅读产品同步学习产品作业产品,测 按照教材拆分的知识点推送对应的习题,学 教根据测试数据，老师来推荐个性化作业,