新課教育合作學校
課程簡介
知識圖譜是2012年由Google提出，是一種知識庫+服務的概念。知識圖譜是一種多學科融合的現(xiàn)代理論，將各種信息通過加工和處理，轉(zhuǎn)化成為結(jié)構(gòu)化、語義化的知識結(jié)構(gòu)。知識結(jié)構(gòu)化是知識圖譜的核心目的。
人工智能-知識圖譜應用與核心技術(shù)實戰(zhàn)培訓簡述
人工智能（AI）是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力，將深刻改變?nèi)祟惿鐣睿淖兪澜?，對于實現(xiàn)社會生產(chǎn)力新躍升，提高綜合國力和國際競爭力具有重要意義。知識圖譜是人工智能技術(shù)的重要組成部分，是AI分支符號主義在新時期主要的落地技術(shù)方式。它以其強大的語義處理能力和開放組織能力，為互聯(lián)網(wǎng)時代的知識化組織和智能應用奠定了基礎。自2012年谷歌提出知識圖譜概念以來，國內(nèi)外大規(guī)模知識圖譜的研究不斷深入，并廣泛應用于知識融合、語義搜索和推薦、問答和對話系統(tǒng)、大數(shù)據(jù)分析與決策等方面，應用領(lǐng)域覆蓋金融、制造、政府、電信、電商、客服、零售、娛樂、醫(yī)療、農(nóng)業(yè)、出版、保險、知識服務、教育等行業(yè)。
人工智能-知識圖譜應用與核心技術(shù)實戰(zhàn)培訓特色
本培訓班重視技術(shù)基礎，強調(diào)實際應用，采用技術(shù)原理與實際應用相結(jié)合的方式進行教學。通過展示教師的實際科研成果，講述人工智能與知識圖譜的技術(shù)原理與應用系統(tǒng)開發(fā)方法、知識圖譜系統(tǒng)開發(fā)工具使用方法。使學員掌握知識圖譜基礎與專門知識，獲得較強的知識圖譜應用系統(tǒng)的分析、設計、實現(xiàn)能力。
參加培訓的學員需帶筆記本電腦，配置為： Windows 10（或Windows 7）操作系統(tǒng)、jdk-8u191-windows-x64、8G以上內(nèi)存、256G以上硬盤。
實驗軟件為： 圖數(shù)據(jù)庫： neo4j 3.5社區(qū)版；
深度學習開發(fā)環(huán)境：Anaconda Anaconda 3-5.3（含Tensorflow與keras）。
人工智能-知識圖譜應用與核心技術(shù)實戰(zhàn)培訓對象
1、政府、企業(yè)、學校IT相關(guān)技術(shù)人員；高校相關(guān)專業(yè)碩士、博士研究生。
2、企業(yè)技術(shù)總監(jiān)及相關(guān)管理人員。
3、人工智能與知識圖譜系統(tǒng)架構(gòu)師、設計與編程人員。
4、對知識圖譜技術(shù)感興趣的其他人員
人工智能-知識圖譜應用與核心技術(shù)實戰(zhàn)培訓安排
|
時間 |
模塊 |
內(nèi)容 |
|
第一天 |
第一講 人工智能概述 |
1.1 人工智能（AI）概念 1.２ AI研究的主要技術(shù)問題 1.３ AI的主要學派 1.４ AI十大應用案例 |
|
第二講 知識圖譜概述 |
2.1 知識圖譜（KG）概念 2.2 知識圖譜的起源與發(fā)展 2.3 典型知識圖譜項目簡介 2.4 知識圖譜技術(shù)概述 2.5 知識圖譜典型應用 |
|
|
第三講 知識表示 |
3.1 基于符號主義的知識表示概述 3.1.1 謂詞邏輯表示法 3.1.2 產(chǎn)生式系統(tǒng)表示法 3.1.3 語義網(wǎng)絡表示法 3.2 知識圖譜的知識表示 3.2.1 RDF和RDFS 3.2.2 OWL和OWL2 3.2.3 Json-LD與RDFa、MicroData 3.2.4 SPARQL查詢語言 3.3 知識建模實戰(zhàn) Protege |
|
|
第二天 |
第四講 知識圖譜核心基礎技術(shù)（一） 神經(jīng)網(wǎng)絡與深度學習 |
4.1 神經(jīng)網(wǎng)絡基本原理 4.2 神經(jīng)網(wǎng)絡應用舉例 4.3 深度學習概述 4.4主流深度學習框架 4.4.1 TesorFlow 4.4.2 Caffe 4.5 卷積神經(jīng)網(wǎng)絡（CNN） 4.5.1 CNN簡介 4.5.2 CNN關(guān)鍵技術(shù):局部感知、卷積、池化、CNN訓練 4.5.3 典型卷積神經(jīng)網(wǎng)絡結(jié)構(gòu) 4.5.4 深度殘差網(wǎng)絡 4.5.5 案例：利用CNN進行手寫數(shù)字識別 |
|
|
第五講 知識圖譜核心基礎技術(shù)（二） 基于深度學習的自然語言處理 |
5.1 循環(huán)神經(jīng)網(wǎng)絡（RNN）概述 5.2 基本RNN 5.3 長短時記憶模型(LSTM) 5.4 門控循環(huán)單元（GRU） 5.5 知識圖譜向量表示方法 5.5.1 向量表示法 5.5.2 知識圖譜嵌入 |
|
第三天 |
第六講 知識抽取與融合 |
6.1 知識抽取主要方法與方式 6.1.1 主要方法 6.1.2 主要方式 6.2 面向結(jié)構(gòu)化數(shù)據(jù)的知識抽取 6.2.1 Direct Mapping 6.2.2 R2RML 6.3 面向半結(jié)構(gòu)化數(shù)據(jù)的知識抽取 6.3.1 基于正則表達式的方法 6.3.2 基于包裝器的方法 6.4. 面向非結(jié)構(gòu)化數(shù)據(jù)的知識抽取 6.4.1 實體抽取 6.4.3 事件抽取 6.5.1知識挖掘流程 6.5.2 知識挖掘主要方法 6.6 知識融合 6.6.1 本體匹配 |
|
第七講 存儲與檢索 |
7.1 知識存儲與檢索基礎知識 7.2 知識圖譜的存儲方法 7.2.1基于關(guān)系數(shù)據(jù)庫的存儲 7.2.3 原生圖數(shù)據(jù)庫Neo4j存儲 7.3 圖譜構(gòu)建實踐 NEO4J |
|
|
第八講 知識圖譜案例 |
8.1 基于Neo4j人物關(guān)系知識圖譜存儲與檢索 |
人工智能-知識圖譜應用與核心技術(shù)實戰(zhàn)培訓費用
線下面授培訓費8800元/人（含培訓費、場地費、資料費、學習期間午餐以及錄播視頻回放一年）食宿可統(tǒng)一安排，費用自理。
網(wǎng)絡直播培訓費：7800元/人（含培訓費、平臺費、資料費以及直播視頻回放一年）。
教學環(huán)境
查看全部照片 >
傳統(tǒng)審計人員、負責信息安全審計的從業(yè)人員、負責信息安全管理的從業(yè)人員 2 IT經(jīng)理、信息安全經(jīng)理 3 審計經(jīng)理、其他從事IT審計人員 4 對CISA認證感興趣的人員