智慧教育系统基于数据和业务需求，根据用户需求进行建模；
1、诊断图。根据用户的标签，能力，层次，做出诊断图。
2、提醒监督。
3、个性化的推荐。个人化推荐可以基于薄弱点、用户偏好和基于企业核心绩效数据或标杆。比如企业培训方面，智慧教育所做的是标杆销售的个性化推荐和基于绩效标准的课程推送。
智能教育的应用案例。
有什么案例可以帮助智慧教育？
AI的首次应用案例-自适应智能鲸训练。建立个体知识图谱，形成掌握个人知识的神经网络。通过对主题知识图谱、学生个性化答卷数据和学生答卷数据的分析，通过对算法模型得到学生个性化知识掌握图。
二是AI应用案例-企业个性化智能教学系统。推荐的类型主要有：岗位能力、用户画像、兴趣标签等。职位能力基础条件是梳理岗位能力模型，量化衡量岗位与能力的差距。以用户画像为基础的一个必要条件是梳理指标体系，如近3个月陌拜达标率低于80%的人，可以推出相关提升课程。根据用户自选的兴趣输入，基于兴趣标签，需要将兴趣和课程相关联。
个人推荐是基于商业标签的推荐。课堂推荐情景一是查漏补缺，如：根据月龄建议、推荐某项业务目标达成率低的技能提升课程；二是学习标杆，推荐业绩达人正在学习的课程。第三，相互学习，推荐和我类似的人都在学的课程，还有商务方面的热门课程。
当业务建模和数据采集完善后，智慧教育系统才开始进行分析建模、智能推荐、智能监控。
