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。
在线
咨询
18056868301
电话咨询
微信咨询
公众号