我要報名

咨詢電話：
手　　機：	郵箱：

培訓介紹

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(wǎng)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(jù)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)。

為了貫徹落實國務院印發(fā)的“新一代人工智能發(fā)展規(guī)劃”精神，推廣人工智能與知識圖譜技術的應用，我中心決定舉辦 “人工智能-知識圖譜核心技術與應用培訓班”。本次培訓班由北京天博信通科技有限公司具體承辦，現(xiàn)將有關事宜通知如下：

授課方式

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(jù)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）。

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。

參加相關培訓并通過考試的學員，可以獲得：

1.工業(yè)和信息化部全國網(wǎng)絡與信息技術考試管理中心頒發(fā)的《人工智能職業(yè)技能證書》（等級高級）。該證書可作為專業(yè)技術人員職業(yè)能力考核的證明，以及專業(yè)技術人員崗位聘用、任職、定級和晉升職務的重要依據(jù)。

注：請學員帶二寸彩照2張（背面注明姓名）、身份證復印件一張。

課程大綱

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(wǎng)絡表示法

3.2 知識圖譜的知識表示

3.2.1 本體論概念

3.2.2 RDF和RDFS

3.2.3. OWL和OWL2

3.3.4 Json與Json-LD

3.3.5 RDFa、HTML5 、MicroData

3.3.6 SPARQL查詢語言

第二天

第四講 知識圖譜核心基礎技術（一）神經(jīng)網(wǎng)絡與深度學習

4.1 神經(jīng)網(wǎng)絡基本原理

4.2 神經(jīng)網(wǎng)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 / Keras（安裝與運行）

4.4.2 Caffe

4.5 卷積神經(jīng)網(wǎng)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(jīng)網(wǎng)絡結構

4.5.4 深度殘差網(wǎng)絡

4.5.5 案例：利用CNN進行時裝識別

4.5.6 案例：利用CNN進行手寫數(shù)字識別

上機實踐：基于卷積神經(jīng)網(wǎng)絡的手寫體數(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(jīng)網(wǎng)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 基于TensorFlow的自然語言處理

5.5.2 自然語言處理處理概述

5.5.1 文本向量化（vectorize）

5.5.1.1 one-hot編碼

5.5.1.2詞嵌入（word embedding）概念

5.5.1.3詞嵌入（word embedding）主要算法

5.5.1.4 TensorFlow/Keras的嵌入層實現(xiàn)

上機實踐：基于循環(huán)神經(jīng)網(wǎng)絡的情感識別

第三天 第六講 知識抽取與融合

6.1 知識抽取基本方法

6.1.1 實體識別方法

6.1.2 關系抽取方法

6.1.3 事件抽取方法

6.2 面向結構化數(shù)據(jù)的知識抽取

6.2.1 D2RQ

6.2.2 R2RML

6.3 面向半結構化數(shù)據(jù)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(jù)的知識抽取

6.4.1 基于規(guī)則的實體識別

6.4.2 基于深度學習的實體識別

6.4.3 基于模板的關系抽取

6.4.4 基于深度學習的關系抽取

6.5 實體消歧與鏈接

6.5.1實體消歧

6.5.2 實體鏈接

6.6 知識融合

6.6.1 框架匹配

6.6.2 實體對齊

6.6.3 沖突檢測與消解

第七講 存儲與檢索

7.1 知識圖譜的存儲與檢索簡介

7.2 知識圖譜的存儲

7.2.1 基于表結構的存儲

7.2.2 基于圖結構的存儲

7.3 大規(guī)模知識圖譜存儲解決方案

7.4 屬性圖數(shù)據(jù)庫 NEO4J

7.5 知識圖譜的檢索

上機實踐：利用NEO4J進行知識圖譜存儲與檢索

第八講 知識圖譜案例

8.1 金融風險防范知識圖譜構建

8.2 知識問答系統(tǒng)構建

錢老師

錢老師 曾任阿里巴巴數(shù)據(jù)平臺開發(fā)、資深架構等職位，負責阿里基礎數(shù)據(jù)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(jù)魔方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(jù)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(jù)化運營。2016年4月，加入博彥科技，任職大數(shù)據(jù)事業(yè)部副總裁，負責公司全球大數(shù)據(jù)數(shù)據(jù)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(jù)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(wǎng)品牌建設監(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。

鄒老師 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(jīng)驗，研究方向為機器學習、數(shù)據(jù)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。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。

我要報名

在線報名：人工智能-知識圖譜核心技術與應用培訓班(杭州)