我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

培訓(xùn)介紹

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?lèi)社會(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(guó)力和國(guó)際競(jìng)爭(zhēng)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(yǔ)義處理能力和開(kāi)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年谷歌在提出知識(shí)圖譜概念以來(lái)，國(guó)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(yǔ)義搜索和推薦、問(wèn)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(lè)、醫(yī)療、農(nóng)業(yè)、出版、保險(xiǎn)、知識(shí)服務(wù)、教育等行業(yè)。

為了貫徹落實(shí)國(guó)務(wù)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(shí)圖譜技術(shù)的應(yīng)用，我中心決定舉辦 “人工智能-知識(shí)圖譜核心技術(shù)與應(yīng)用培訓(xùn)班”。本次培訓(xùn)班由北京天博信通科技有限公司具體承辦，現(xiàn)將有關(guān)事宜通知如下：

授課方式

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(guò)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(kāi)發(fā)方法、知識(shí)圖譜系統(tǒng)開(kāi)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(mén)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(pán)。

實(shí)驗(yàn)軟件為： 圖數(shù)據(jù)庫(kù)： neo4j 3.5社區(qū)版；

深度學(xué)習(xí)開(kāi)發(fā)環(huán)境：Anaconda Anaconda 3-5.3（含Tensorflow與keras）。

培訓(xùn)對(duì)象

1、政府、企業(yè)、學(xué)校IT相關(guān)技術(shù)人員；高校相關(guān)專業(yè)碩士、博士研究生。

2、企業(yè)技術(shù)總監(jiān)及相關(guān)管理人員。

3、人工智能與知識(shí)圖譜系統(tǒng)架構(gòu)師、設(shè)計(jì)與編程人員。

4、對(duì)知識(shí)圖譜技術(shù)感興趣的其他人員。

參加相關(guān)培訓(xùn)并通過(guò)考試的學(xué)員，可以獲得：

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

注：請(qǐng)學(xué)員帶二寸彩照2張（背面注明姓名）、身份證復(fù)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(shù)問(wèn)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(jiǎn)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(yǔ)義網(wǎng)絡(luò)表示法

3.2 知識(shí)圖譜的知識(shí)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(yǔ)言

第二天

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 / Keras（安裝與運(yùn)行）

4.4.2 Caffe

4.5 卷積神經(jīng)網(wǎng)絡(luò)（CNN）

4.5.1 CNN簡(jiǎn)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)行時(shí)裝識(shí)別

4.5.6 案例：利用CNN進(jìn)行手寫(xiě)數(shù)字識(shí)別

上機(jī)實(shí)踐：基于卷積神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體數(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(yǔ)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(zhǎng)短時(shí)記憶模型(LSTM)

5.4 門(mén)控循環(huán)單元（GRU）

5.5 基于TensorFlow的自然語(yǔ)言處理

5.5.2 自然語(yǔ)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(shí)現(xiàn)

上機(jī)實(shí)踐：基于循環(huán)神經(jīng)網(wǎng)絡(luò)的情感識(shí)別

第三天 第六講 知識(shí)抽取與融合

6.1 知識(shí)抽取基本方法

6.1.1 實(shí)體識(shí)別方法

6.1.2 關(guān)系抽取方法

6.1.3 事件抽取方法

6.2 面向結(jié)構(gòu)化數(shù)據(jù)的知識(shí)抽取

6.2.1 D2RQ

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 基于規(guī)則的實(shí)體識(shí)別

6.4.2 基于深度學(xué)習(xí)的實(shí)體識(shí)別

6.4.3 基于模板的關(guān)系抽取

6.4.4 基于深度學(xué)習(xí)的關(guān)系抽取

6.5 實(shí)體消歧與鏈接

6.5.1實(shí)體消歧

6.5.2 實(shí)體鏈接

6.6 知識(shí)融合

6.6.1 框架匹配

6.6.2 實(shí)體對(duì)齊

6.6.3 沖突檢測(cè)與消解

第七講 存儲(chǔ)與檢索

7.1 知識(shí)圖譜的存儲(chǔ)與檢索簡(jiǎn)介

7.2 知識(shí)圖譜的存儲(chǔ)

7.2.1 基于表結(jié)構(gòu)的存儲(chǔ)

7.2.2 基于圖結(jié)構(gòu)的存儲(chǔ)

7.3 大規(guī)模知識(shí)圖譜存儲(chǔ)解決方案

7.4 屬性圖數(shù)據(jù)庫(kù) NEO4J

7.5 知識(shí)圖譜的檢索

上機(jī)實(shí)踐：利用NEO4J進(jìn)行知識(shí)圖譜存儲(chǔ)與檢索

第八講 知識(shí)圖譜案例

8.1 金融風(fēng)險(xiǎn)防范知識(shí)圖譜構(gòu)建

8.2 知識(shí)問(wèn)答系統(tǒng)構(gòu)建

錢(qián)老師

錢(qián)老師 曾任阿里巴巴數(shù)據(jù)平臺(tái)開(kāi)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(kāi)發(fā)與運(yùn)維工作，先后參與過(guò)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(kāi)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(yíng)銷(xiāo)系統(tǒng)、用戶畫(huà)像、流量監(jiān)測(cè)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(yíng)。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(mén)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(huà)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(kāi)發(fā)工作，6年新東方、中國(guó)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(yǔ)言處理（NLP）應(yīng)用于股票交易與預(yù)測(cè)、醫(yī)藥圖像識(shí)別、智能畜牧等。擅長(zhǎng)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。

我要報(bào)名

在線報(bào)名：人工智能-知識(shí)圖譜核心技術(shù)與應(yīng)用培訓(xùn)班(廣州)