我要報名

咨詢電話：
手　　機：	郵箱：

內容背景

知識圖譜（Knowledge Graph），是計算機實現智能的基礎。隨著移動互聯網的發展，萬物互聯成為了可能，互聯所產生的數據在爆發式地增長，這些數據可以作為分析關系的有效原料。個體之間的關系分析成為我們需要深入研究的很重要的一部分。

知識圖譜之于計算機，就好比知識之于人類。人類天生擅長將信息進行分類、關聯，但并不擅長記憶、處理海量碎片化的信息，但計算機可以。當前越來越多的企業開始致力于構建知識圖譜，目前在國內，金融、法律、醫療、智能客服、安防等行業都已經有了致力于該領域知識圖譜構建的團隊與公司。本次培訓將從知識圖譜的基礎，深入到知識圖譜的應用，深入淺出。使用案例開發教學，讓學員逐步掌握知識圖譜的開發方法與使用。

培訓對象

1、CEO，CIO等技術管理層，有計劃構建自己知識圖譜的團隊的管理者

2、大數據、人工智能行業從業者

3、公司架構師，算法研發工程師，數據分析師等對知識圖譜感興趣的人士

4、對知識圖譜的有學習興趣的人士

培訓目的

1、熟悉的知識圖譜的基本原理與應用

2、熟悉知識圖譜的基本應用開發方法

3、掌握常見的知識圖譜應用

4、熟悉常見的知識圖譜問題的解決方案

培訓內容

第一講 知識圖譜基本概念

1.1 知識圖譜的發展歷史

1.2 什么是知識圖譜

1.3 知識圖譜的表示形式

1.4 知識圖譜的數據結構

1.5 知識圖譜的構建過程

1.6 知識圖譜的應用場景

第二講 數據獲取

2.1 原始數據類型

2.1.1 結構化數據

2.1.2 半結構化數據

2.1.3 非結構化數據

2.2 知識建模

2.3 知識存儲

第三講 信息抽取

3.1 實體抽取

3.1.1 面向單一領域

3.1.2 面向開放域

3.2 關系抽取

3.2.1 模式匹配

3.2.2 統計機器學習方法

3.3 屬性抽取

3.3.1 基于規則和啟發式算法

3.3.2 采用數據挖掘方法

第四講 知識融合

4.1為什么要進行知識融合

4.2實體鏈接

4.2.1實體鏈接的概念

4.2.2實體消歧

4.2.3共指消解

4.3 知識合并

4.3.1合并外部知識庫

4.3.2合并關系數據庫

第五講 知識加工

5.1 知識加工的概念及關鍵技術

5.2本體構建

5.3知識推理

5.4質量評估

第六講 知識更新

6.1知識更新的內容

6.2知識更新的方式

第七講 知識圖譜的應用

7.1 知識圖譜的可視化

7.2應用場景探索

7.1.1 語義搜索

7.1.2 智能推薦

7.1.3 私人助理

7.1.4 問答系統

第八講 問題與挑戰

8.1知識圖譜構建過程中的難點

8.2如何更好地進行知識表達、知識存儲和查詢

司老師

清華大學博士，人工智能方面專家，在意大利舉辦的國際在線指紋識別競賽中獲得冠軍，在機器學習和模式識別領域頂級期刊IEEE TPAMI等期刊發表多篇論文，擁有5個中國專利和1個美國專利，是人工智能、深度學習、機器學習、自然語言處理、知識圖譜方面的實戰派專家。

我要報名

在線報名：知識圖譜(北京)