Test1

● 开发工具：Django
● 开发目的：早期熟练Django使用，自己练手项目
（提供测试账号：用户名：test1 密码：bob123123）
一. 个人中心模块包含功能：用户注册，个人信息修改等

二. 公开课模块包含功能：公开课展示、用户评论、公开课搜索、课程被收藏次数等

三. 教师模块包含功能：教师个人信息、所教课程等

四. 授课机构模块包含功能：课程机构展示，排序、机构信息等

数学学科在线做题系统

开发工具：django，css，html，js，jquery
开发目的：验证相关算法的泛化能力
验证专题：
1. bkt算法专题：
  先行测试(根据图谱算法推送1个知识点测1题 -> 学生做题 -> 图谱算法获取薄弱知识点) --> 
  先行测试报告页 --> 
  高效学习(按算法推取一个薄弱知识点 -> 观看知识点讲解视频 -> 做题 -> bkt算法判断薄弱知识点是否掌握) -->
  高效学习报告页 -->
  收集相关数据用于验证

2. irt和pks算法专题：
  irt测试(算法获取知识点并推题 -> 做题 -> 根据做题结果用irt计算人的能力值 -> 根据能力值推题直至完成知识点图谱 ) -->
  irt测试报告页 -->
  pks测试(pks算法获取知识点并推题 -> 做题 -> 根据做题结果用pks计算当前pks值 -> 根据pks值推题直至完成知识点图谱) -->
  pks测试报告页 -->
  收集相关数据用于验证

pks根据学生做题将能力值落在知识点上
irt根据学生做题将能力值落在人上，

pks:
pks落在题目上，学生每做完一题会计算出当前的pks，然后更新每一题的pks，根据当前pks从题库中取出一道合适的题目
class PKS(object):
  _instance = None
  def __new__(cls, *args, **kwargs):
    if not cls._instance:
      cls._instance = super(PKS, cls).__new__(cls)
    return cls._instance
  静态变量写所有学生要的输入
  def __init__(self,username):
    pd.read_csv(username + '.csv')
  def compute_pks(self, username):
    pass
  def get_question(self, username):
    pass

IRT

IRT模型进行能力值估计_irt能力值_xiaoa~的博客-CSDN博客    irt

theta会经过一个转换变成 [-4.5,4.5]之间，m = ( (theta+1)/100) , log(  m / (1-m)) ,  theta = [0,99]

log()

BKT

bkt: p(l|A) = p(A|l)

logistic
def sigmoid(x):
    return 1 / (1+np.exp(x))

def model(X,theta):
    return sigmoid(X@theta)

def cost(X, theta, y):
    return -(y * np.log(model(X, theta)) + (1-y) * np.log(1-model(X, theta))).mean()

def grad(X, theta):
    return - (X.T @ (y - model(X, theta)))/m

theta = np.mat("0 0 0")
while True:
    gradient = grad(X,theta)
    theta = theta - alpha * gradient
    cost_lst.append(cost(X, theta, y))
    if iters > 1000:
        break