人工智能的在线教育是最近教育系统研究和开发的重点之一。相对于传统教学方式,在线教育为学生提供更自由的学习环境和更丰富的教学资源。学而思、松鼠AI、新东方、猿题库等公司都在大力发展在线教育。目前,制约智能在线教育系统发展的瓶颈有两个:(1)大量线下的学生知识、能力、行为特征材料没有信息化,不能为在线教育利用;(2)在线练习系统缺乏自适应,不能综合考虑学生的知识、能力、行为特征和当前练习结果,进行个性化练习内容推荐。针对上述两个问题,本文采用深度学习技术,实现了一套针对线下学生评价材料的计算机视觉识别系统和自适应练习推荐系统。具体贡献如下。(1)采用深度学习计算机视觉技术,设计和实现了一套针对线下学生评价材料和答题结果的视觉识别系统,解决了学生手册中的学生评价识别和学生答题手写数字识别的难题,学生手册识别准确率达到95%以上,学生手写数字的识别准确率达80%。目前该系统已经在一家大规模互联网教育公司投入商用。(2)基于麻省理工学院开源在线练习系统CAT-SOOP,设计和实现了一套基于深度增强学习的自适应练习推荐系统,能够基于学生练习数据,训练学生知识追踪模型和增强学习推荐引擎,为学生提供自适应练习推荐。该系统已完成原型设计、实现和初步验证。我们设计的线下学生信息深度视觉识别系统具有通用性,能够被广泛用于其它类似的打分应用场景;我们设计的深度增强学习的自适应练习推荐系统具有一定的探索和创新性,为整个行业的进步提供了有益的参照,对节省学生学习时间,提升学生学习能力,提高在线教育的教学质量具有重要的现实意义。图29幅,表5个,参考文献39篇。