課程描述INTRODUCTION
人工智能-知識圖譜核心技術
培訓講師：專家
課程價格：￥元/人
培訓天數(shù)：3天
日程安排SCHEDULE
課程大綱Syllabus
人工智能-知識圖譜核心技術
一、培訓簡述
人工智能（AI）是新一輪科技革命和產業(yè)變革的核心驅動力，將深刻改變人類社會生活，改變世界，對于實現(xiàn)社會生產力新躍升，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)網時代的知識化組織和智能應用奠定了基礎。自2012年谷歌在提出知識圖譜概念以來，國內外大規(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)據分析與決策等方面，應用領域覆蓋金融、制造、政府、電信、電商、客服、零售、娛樂、醫(yī)療、農業(yè)、出版、保險、知識服務、教育等行業(yè)。
二、培訓特色
本培訓班重視技術基礎，強調實際應用，采用技術原理與實際應用相結合的方式進行教學。 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以上內存、256G以上硬盤。
實驗軟件為： 圖數(shù)據庫： 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）。
三、培訓對象
1、政府、企業(yè)、學校IT相關技術人員；高校相關專業(yè)碩士、博士研究生。
2、企業(yè)技術總監(jiān)及相關管理人員。
3、人工智能與知識圖譜系統(tǒng)架構師、設計與編程人員。
4、對知識圖譜技術感興趣的其他人員
四、培訓安排
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 產生式系統(tǒng)表示法
3.1.3 語義網絡表示法
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（一）
神經網絡與深度學習
4.1 神經網絡基本原理
4.2 神經網絡應用舉例
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 卷積神經網絡（CNN）
4.5.1 CNN簡介
4.5.2 CNN關鍵技術: 局部感知、卷積、池化、CNN訓練
4.5.3 典型卷積神經網絡結構
4.5.4 深度殘差網絡
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（二）
基于深度學習的自然語言處理
5.1 循環(huán)神經網絡（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 面向結構化數(shù)據的知識抽取
6.2.1 Direct Mapping
6.2.2 R2RML
6.3 面向半結構化數(shù)據的知識抽取
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. 面向非結構化數(shù)據的知識抽取
6.4.1 實體抽取
6.4.2 關系抽取
6.4.3 事件抽取
6.5 知識挖掘
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
6.6.2 實體對齊
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基于關系數(shù)據庫的存儲
7.2.2 基于RDF數(shù)據庫的存儲
7.2.3 原生圖數(shù)據庫Neo4j存儲
7.3 圖譜構建實踐 NEO4J
第八講 知識圖譜案例
8.1 基于Neo4j人物關系知識圖譜存儲與檢索
授課專家
錢老師 曾任阿里巴巴數(shù)據平臺開發(fā)、資深架構等職位，負責阿里基礎數(shù)據平臺的開發(fā)與運維工作，先后參與過阿里彩票、淘寶推薦、一淘、阿里云、數(shù)據*等多個內部項目的開發(fā)與產品設計工作。2014年加入聯(lián)想，負責聯(lián)想電商數(shù)據平臺架構產品設計，涉及推薦系統(tǒng)、CRM系統(tǒng)、精準營銷系統(tǒng)、用戶畫像、流量監(jiān)測平臺等產品，實現(xiàn)了聯(lián)想電商平臺的數(shù)據化運營。2016年4月，加入博彥科技，任職大數(shù)據事業(yè)部副總裁，負責公司全球大數(shù)據數(shù)據業(yè)務建設，技術研發(fā)等。專門負責對與金融行業(yè)大數(shù)據應用產品建設，包括金融企業(yè)風險畫像識別系統(tǒng)，金融企業(yè)互聯(lián)網品牌建設監(jiān)控系統(tǒng)，金融企業(yè)互聯(lián)網口碑分析與新品研發(fā)挖掘系統(tǒng)，金融行業(yè)下一代CRM系統(tǒng)，金融企業(yè)智能運維服務管理平臺等。2017年底，創(chuàng)立某智能科技有限公司，公司專注于為金融與電信行業(yè)提供圖像NLU、NLP方向的AI落地產品及提供解決方案，目前承接某銀行電商智能化改造，某銀行OCR服務平臺，某銀行金融欺詐挖掘分析平臺，清華大學醫(yī)療影像實驗室課題研究等，建設銀行人工智能咨詢項目，廣發(fā)銀行人工智能咨詢服務，聯(lián)通研究院人工智能咨詢項目等。
王老師 符偉 男 北京郵電大學軟件工程碩士，近10年的IT領域相關技術研究和項目開發(fā)工作，6年新東方、中國移動、中興能源和中培教育培訓講師經驗，研究方向機器學習，數(shù)據挖掘，計算幾何，自然語言處理（NLP）應用于股票交易與預測，醫(yī)藥圖像識別，智能畜牧等方向。擅長機器學習模型選擇、核心算法分析和代碼實現(xiàn)。團隊已實踐工業(yè)AI項目20余個，與多所大學合作建立AI教研實訓基地，應用于金融、醫(yī)療、交通、氣象、油田、證券、電信、化工、冶金等多個領域。
人工智能-知識圖譜核心技術
轉載：http://m.santuchuan.cn/gkk_detail/246389.html