几个优质的教育开源框架

PHET
通过动画模拟知识点
网址：https://phet.colorado.edu/zh_CN/simulations/category/math
相关技术人员：js
潜在用途：可获取其中关于数学的知识点动画演示

Crab
项目地址：
http://geektell.com/story/crab-recommender-systems-in-python/

图片: https://uploader.shimo.im/f/K7JojvOUWqM1AAlc.png

系统的Tutorial可以看这里：
http://muricoca.github.io/crab/

Crab是基于Python开发的开源推荐软件，其中实现有item和user的协同过滤。据说更多算法还在开发中，
Crab的python代码看上去很清晰明了，适合一读

Python-recsys
一个非常轻量级的开源推荐系统，python开发，作者似乎只有一位，
Python-recsys主要实现了SVD、Neighborhood SVD推荐算法，
这个项目麻雀虽小五脏俱全，评估数据（Movielens，Last.fm）、评估框架也都有
API也很简单清晰，代码简洁，属于推荐入门的良好教材。
不过真正要用到实际系统中，还是得补充很多内容

github的地址位于
https://github.com/ocelma/python-recsys

项目的介绍见：
http://ocelma.net/software/python-recsys/build/html/

OpenRec
介绍：是一个用于神经网络自适应推荐算法的开源和模块化库
git地址：https://github.com/ylongqi/openrec
相关论文：Longqi Yang, Eugene Bagdasaryan, Joshua Gruenstein, Cheng-Kang Hsieh, and Deborah Estrin. 2018. OpenRec: A Modular Framework for Extensible and Adaptable Recommendation Algorithms. In Proceedings of WSDM’18, February 5–9, 2018, Marina Del Rey, CA, USA.

推荐系统实例与最佳实践 by 微软
推荐系统学习开源教程
本仓库提供了构建推荐系统项目的实例和最佳实践，用Jupyter Notebook的形式提供。这些例子将会详细地向我们介绍四个关键任务的学习。
准备数据：为每一个推荐算法准备和加载数据
模型：用多种推荐算法构建模型，例如交替最小二乘法（ALS）
评估：使用离线指标评估算法
实施：在Azure上的生产环境中操作模型
https://github.com/Microsoft/Recommenders

自适应出题系统
https://www.khanacademy.org