在教育智能化当中必须要明确让计算机做什么，让计算机训练什么，要明确学习任务，充分说明所训练的内容和要完成的任务以及输入的相应的其他参数，如相应的指标和训练数据等。要在应用中进行任务分类，将任务与某个目标函数进行针对性的学习，我们最常见的训练数据类型大多是由目标函数的输入—输出组成的成对数据。

要训练就要获得相应的数据集，在教育智能化当中，训练是一个完整的动作，需要有相应的数据支持，如：传感器数据、图像理解数据、事件语音、微信内容、相对的教学文档数据、相关数据库数据、相应专家系统的数据等的获得，而这些数据获得的方法只能依赖于未来技术应用的普及性。

教学智能化的机器训练步骤应该遵循其他行业的步骤，即第一步，明确学习的函数；第二步，收集和清洗数据，使其可用于训练机器学习算法；第三步，设计数据特征，选择其中有助于预测目标输出的特征；第四步，收集新的数据以弥补原始数据的不足，尝试不同的算法和参数设置，优化分类器的准确性；第五步，训练好的系统迁入教育教学运营中，并可能持续获取额外的训练样本。(www.daowen.com)

机器训练贵在坚持，机器训练的对象非常重要，如果是一个非常有水平的团队将智慧决策作为它的数据集进行训练，那么所训练出来的计算机将有较强的智慧性和决策正确性。但是在训练当中，我们应该采纳各种潜在智慧的人以及他们的决策，因为许多非常有建树的思想和决策是来自偶然性，数据的代表性和数据集的大小取决于整个机器训练的效果、整个机器训练的性能的稳定性和机器超越人智慧的程度。

我们用机器学习主要是解决教育自动化的问题，即让机器代替人进行重复的工作，代替人做出辅助性的决定，教育智能作为协助工作者，将不断地观测并获取人类决策，并以此做出额外的训练样本，产生其他的教学智能模式。