人工智能-知識(shí)圖譜應(yīng)用與核心技術(shù)實(shí)戰(zhàn)

人工智能-知識(shí)圖譜應(yīng)用與核心技術(shù)實(shí)戰(zhàn)(多名講師)課程介紹：

 培訓(xùn)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(dòng)力，將深刻改變?nèi)祟惿鐣?huì)生活，改變世界，對(duì)于實(shí)現(xiàn)社會(huì)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(shí)圖譜是人工智能技術(shù)的重要組成部分，是AI分支符號(hào)主義在新時(shí)期主要的落地技術(shù)方式。它以其強(qiáng)大的語義處理能力和開放組織能力，為互聯(lián)網(wǎng)時(shí)代的知識(shí)化組織和智能應(yīng)用奠定了基礎(chǔ)。自2012年谷歌提出知識(shí)圖譜概念以來，國內(nèi)外大規(guī)模知識(shí)圖譜的研究不斷深入，并廣泛應(yīng)用于知識(shí)融合、語義搜索和推薦、問答和對(duì)話系統(tǒng)、大數(shù)據(jù)分析與決策等方面，應(yīng)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(xiǎn)、知識(shí)服務(wù)、教育等行業(yè)。

培訓(xùn)特色
    本培訓(xùn)班重視技術(shù)基礎(chǔ)，強(qiáng)調(diào)實(shí)際應(yīng)用，采用技術(shù)原理與實(shí)際應(yīng)用相結(jié)合的方式進(jìn)行教學(xué)。通過展示教師的實(shí)際科研成果，講述人工智能與知識(shí)圖譜的技術(shù)原理與應(yīng)用系統(tǒng)開發(fā)方法、知識(shí)圖譜系統(tǒng)開發(fā)工具使用方法。使學(xué)員掌握知識(shí)圖譜基礎(chǔ)與專門知識(shí)，獲得較強(qiáng)的知識(shí)圖譜應(yīng)用系統(tǒng)的分析、設(shè)計(jì)、實(shí)現(xiàn)能力。

參加培訓(xùn)的學(xué)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(shí)驗(yàn)軟件為： 圖數(shù)據(jù)庫： neo4j 3.5社區(qū)版；
深度學(xué)習(xí)開發(fā)環(huán)境：Anaconda Anaconda 3-5.3（含Tensorflow與keras）。

培訓(xùn)安排

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(xué)派
1.４　AI十大應(yīng)用案例

第二講 知識(shí)圖譜概述
2.1  知識(shí)圖譜（KG）概念
2.2  知識(shí)圖譜的起源與發(fā)展
2.3  典型知識(shí)圖譜項(xiàng)目簡介
2.4  知識(shí)圖譜技術(shù)概述
2.5  知識(shí)圖譜典型應(yīng)用

第三講 知識(shí)表示
3.1 基于符號(hào)主義的知識(shí)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(luò)表示法
3.2 知識(shí)圖譜的知識(shí)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(shí)建模實(shí)戰(zhàn) Protege

第四講 知識(shí)圖譜核心基礎(chǔ)技術(shù)（一）
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
4.1 神經(jīng)網(wǎng)絡(luò)基本原理
4.2 神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例
4.3 深度學(xué)習(xí)概述
4.4主流深度學(xué)習(xí)框架
4.4.1 TesorFlow
4.4.2 Caffe
4.5　卷積神經(jīng)網(wǎng)絡(luò)（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(xùn)練
4.5.3 典型卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.5.4 深度殘差網(wǎng)絡(luò)
4.5.5 案例：利用CNN進(jìn)行手寫數(shù)字識(shí)別

第五講 知識(shí)圖譜核心基礎(chǔ)技術(shù)（二）
基于深度學(xué)習(xí)的自然語言處理
5.1 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）概述
5.2 基本RNN
5.3 長短時(shí)記憶模型(LSTM)
5.4 門控循環(huán)單元（GRU）
5.5 知識(shí)圖譜向量表示方法
5.5.1 向量表示法
5.5.2 知識(shí)圖譜嵌入

第六講 知識(shí)抽取與融合
6.1 知識(shí)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(shí)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(shí)抽取
6.3.1 基于正則表達(dá)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(shí)抽取
6.4.1 實(shí)體抽取
6.4.2 關(guān)系抽取
6.4.3 事件抽取
6.5 知識(shí)挖掘
6.5.1知識(shí)挖掘流程
6.5.2 知識(shí)挖掘主要方法
6.6 知識(shí)融合
6.6.1 本體匹配
6.6.2 實(shí)體對(duì)齊

第七講 存儲(chǔ)與檢索
7.1 知識(shí)存儲(chǔ)與檢索基礎(chǔ)知識(shí)
7.2 知識(shí)圖譜的存儲(chǔ)方法
7.2.1基于關(guān)系數(shù)據(jù)庫的存儲(chǔ)
7.2.2 基于RDF數(shù)據(jù)庫的存儲(chǔ)
7.2.3 原生圖數(shù)據(jù)庫Neo4j存儲(chǔ)
7.3 圖譜構(gòu)建實(shí)踐 NEO4J

第八講 知識(shí)圖譜案例
8.1 基于Neo4j人物關(guān)系知識(shí)圖譜存儲(chǔ)與檢索

授課專家

錢老師  曾任阿里巴巴數(shù)據(jù)平臺(tái)開發(fā)、資深架構(gòu)等職位，負(fù)責(zé)阿里基礎(chǔ)數(shù)據(jù)平臺(tái)的開發(fā)與運(yùn)維工作，先后參與過阿里彩票、淘寶推薦、一淘、阿里云、數(shù)據(jù)魔方等多個(gè)內(nèi)部項(xiàng)目的開發(fā)與產(chǎn)品設(shè)計(jì)工作。2014年加入聯(lián)想，負(fù)責(zé)聯(lián)想電商數(shù)據(jù)平臺(tái)架構(gòu)產(chǎn)品設(shè)計(jì)，涉及推薦系統(tǒng)、CRM系統(tǒng)、精準(zhǔn)營銷系統(tǒng)、用戶畫像、流量監(jiān)測平臺(tái)等產(chǎn)品，實(shí)現(xiàn)了聯(lián)想電商平臺(tái)的數(shù)據(jù)化運(yùn)營。2016年4月，加入博彥科技，任職大數(shù)據(jù)事業(yè)部副總裁，負(fù)責(zé)公司全球大數(shù)據(jù)數(shù)據(jù)業(yè)務(wù)建設(shè)，技術(shù)研發(fā)等。專門負(fù)責(zé)對(duì)與金融行業(yè)大數(shù)據(jù)應(yīng)用產(chǎn)品建設(shè)，包括金融企業(yè)風(fēng)險(xiǎn)畫像識(shí)別系統(tǒng)，金融企業(yè)互聯(lián)網(wǎng)品牌建設(shè)監(jiān)控系統(tǒng)，金融企業(yè)互聯(lián)網(wǎng)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(yùn)維服務(wù)管理平臺(tái)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(chǎn)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(wù)平臺(tái)，某銀行金融欺詐挖掘分析平臺(tái)，清華大學(xué)醫(yī)療影像實(shí)驗(yàn)室課題研究等，建設(shè)銀行人工智能咨詢項(xiàng)目，廣發(fā)銀行人工智能咨詢服務(wù)，聯(lián)通研究院人工智能咨詢項(xiàng)目等。

鄒老師  北京郵電大學(xué)軟件工程碩士，近10年的IT領(lǐng)域相關(guān)技術(shù)研究和項(xiàng)目開發(fā)工作，6年新東方、中國移動(dòng)、中興能源和中培教育培訓(xùn)講師經(jīng)驗(yàn)，研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、計(jì)算幾何、自然語言處理（NLP）應(yīng)用于股票交易與預(yù)測、醫(yī)藥圖像識(shí)別、智能畜牧等。擅長機(jī)器學(xué)習(xí)模型選擇、核心算法分析和代碼實(shí)現(xiàn)。團(tuán)隊(duì)已實(shí)踐工業(yè)AI項(xiàng)目20余個(gè)，與多所大學(xué)合作建立AI教研實(shí)訓(xùn)基地，應(yīng)用于金融、醫(yī)療、交通、氣象、油田、證券、電信、化工、冶金等多個(gè)領(lǐng)域。

更多人工智能-知識(shí)圖譜應(yīng)用與核心技術(shù)實(shí)戰(zhàn)相關(guān)課程：