课程时长

2天(6小时/天)

课程简介

内容丰富：介绍知识图谱的的基础知识，关键技术，使用知识图谱解决业务问题，如构建问答系统等。

授课风格多样：适用场景阐述，成功案例分析，课堂讨论。

理论与实践相结合：理论精讲，学员编码实践。

课程收益

1. 掌握知识图谱的关键技术。学员了解知识图谱的基础知识和使用场景，掌握知识图谱的关键技术。

2. 解决实际的业务问题。学员可使用知识图谱的方法和技术, 设计或开发知识图谱,解决实际的业务问题。

3. 提高企业和学员的影响力。通过课程的学习，学员可熟练掌握知识图谱的构建设使用，提高学员和企业的知名度和影响力。

课程对象

（一）授课对象

数据分析师，数据科学家 

软件工程师，运维工程师，系统工程师

产品经理、管理人员，业务人员

（二）学员基础

了解基本统计知识，具备初步的IT基础知识和基本数学理论

课程大纲

1 知识图谱概述

◆知识图谱的作用

◆什么时候需要知识图谱

◆什么是知识图谱，

◆知识图谱的表示

◆知识图谱和搜索

◆知识图谱的存储

◆知识图谱的构建

2知识抽取

◆知识抽取概述

◆非结构化知识抽取：实体抽取，关系抽取，事件抽取

◆结构化知识抽:从数据库到RDF映射语言R2RML 利用Neo4j构建小型知识图谱

◆使用R2RML从数据库抽取数据

3 使用AI模型，挖掘命名实体与实体关系

◆循环神经网络概述

◆基于循环神经网络的命名实体识别

◆BERT概述

◆基于BERT的关系抽取模型

4 知识存储

◆知识图谱的数据模型

◆知识图谱的常用查询语言

◆常用的数据存储方式，数据库，RDF，图数据库

◆知识图谱数据库的比较

◆Apache Jena实践

◆Neo4j实践

5 关键推理技术

◆基于规则的推理

◆分布式表示法

◆基于深度学习的推理

二 应用篇

1 构建知识图谱实践

◆知识图谱构建介绍

◆数据的收集

◆数据的预处理

◆知识图谱的设计

◆存储知识图谱

◆应用知识图谱

◆实践项目2：应用风控知识图谱

2 基于知识图谱的反欺诈管理

◆通过经营关系、担保关系、投资关系等，识别企业内外部的异常风险，例如：

◆企业风险图谱管理

◆风险的传导关系

◆关联担保识别

◆失联客户管理

3 基于知识图谱的问答KBQA

◆基于模板的KBQA

◆基于图模型的KBQA

授课思路

以备受硅谷推崇的数字时代最佳学习理念——关联主义（connectivism）为理论依据，通过“知识地图”和 “沙盘演练”帮助学员“边干边学”，提升其行动学习能力，具体如下：

◆理论与实践并重(道)。本课程通过理论讲解，算法阐述，实例分析和编码实践，使学员不仅掌握推荐系统中常用模型和方法，还可以将所学用于工作和项目中。

◆成功案例分享(德)。本课程将多个大数据与AI项目/成功案例, 进行浓缩和提炼,将大数据, 多种算法串联起来，让学员在真实的项目中，学习和体悟如何建立一个实用的推荐系统。

◆算法比较和模型优化(术)。在项目中，面对复杂的业务场景，如何对数据进行清洗，如何选择合适的机器学习模型，以及如何对超参的调优, 至关重要，常常决定项目的成败，本课程结合项目经验，介绍如何恰当地使用AI技术解决业务问题。

◆热点和趋势介绍。推荐系统从矩阵打分模型为起始， 目前新技术层出不穷，基于文本评论的个性化推荐， 长尾物品的推荐，如何应对恶意攻击，以及隐私问题，噪声的影响，推荐的新颖性等，使学员具有前瞻性, 可以把握推荐系统的热点技术和前沿技术，似的学员学习深度掌握核心技术， 而且拥有一定的广度。