对确定的目标数据进行采集。由于智慧课堂的用户操作行为种类多且分散，本文将原始课堂行为序列按照6类间接教学情境分类，然后进行标准化，形成特征数据。数据预处理阶段需要对数据进行异常值处理以及简单的数据变换，主要对教师的无效操作数据进行剔除。例如：如果教师教学行为序列中某一活动的驻留时间小于N（0.5min）或者超过N（30min），则代表这不是教师所实施的有效活动，即教师可能在教学操作过程中出错或教师可能离开这个教学操作，需要将该操作从教师教学活动列表中剔除。
0年1月16日，“北京市科委人才交流中心-学堂在线人工智能高级人才培训班”签约启动仪式举行。清华控股副总裁、学堂在线董事长范新，北京市科委人才交流中心主任刘刚代表双方签署正式协议。学堂在线副总裁管健、清华大学计算机系副主任唐杰教授、北京市科委人才交流中心研究咨询部部长张蕊以及来自滴滴出行、明略科技、猎聘、智谱华章等相关企业代表见证签约仪式。
聚类分析的数据处理，首先对样本指标或参量值进行标准化处理。将原始课堂活动数据进行标准化形成特征数据。由于数据中存在一部分极大或者极小数据，采用离群点识别和剔除处理操作，离群点识别主要是基于四分位数箱行图，以6个教学活动为聚类属性，依次建立每个维度的四分位箱形图，从而将教师课堂活动数据中的离群数据（异常值）提取出来，并根据特征属性维护离群数据表，将相同类型的离群数据放入到一个新的聚类结果簇中；经过离群点识别和剔除处理后，对剩下的教师课堂活动数据利用优化的K-Means算法进行聚类分析。
学堂在线现已推出金融学微学位、IBA(创新与工商管理)微学位、设计学微学位、数据科学辅修专业等多个微学位、辅修及证书项目，并与多所学校共同落实联合培养方案。人工智能、大数据等更多微学位项目也在课程设计和研发阶段。同时，学堂在线也和多家企业探索合作，向微学位项目的学生提供更多的实习、就业机会。
