参会报名
会议介绍
会议日程
会议嘉宾
参会指南
手机下单

首页 > 培训课程 > IT/技术培训 > 人工智能-知识图谱应用与核心技术实战9月北京培训班更新时间：2022-08-19T15:10:44

收藏3人

分享到

人工智能-知识图谱应用与核心技术实战9月北京培训班已截止报名
推荐参加：AITRIZ技术创新突破营（第五期）

课程时间： 2022-09-27 09:00至 2022-09-29 18:00结束

课程地点：北京详细地址会前通知周边酒店预订

主办单位：北京中培伟业管理咨询有限公司

行业热销热门关注看了又看换一换

会议介绍
会议内容主办方介绍

人工智能-知识图谱应用与核心技术实战9月北京培训班宣传图

人工智能-知识图谱应用与核心技术实战

培训班

培训地点	北京
培训时间	9月 27-29
培训方式	面授+直播
增值服务	1.参加线下面授课程，可享受视频回放免费学一年； 2.参加在线直播课程，可享受视频回放免费学一年； 3.提前缴费即可开通录播视频超前学习。
备注	本课程全国常年开班，如部分地区课程已结束，请致电：15801495295（微信同步）或QQ:827217499咨询最新培训课程! 也可通过录播视频在线学习！此课程也提供企业内训，欢迎咨询！

培训简述

人工智能（AI）是新一轮科技革命和产业变革的核心驱动力，将深刻改变人类社会生活，改变世界，对于实现社会生产力新跃升，提高综合国力和国际竞争力具有重要意义。知识图谱是人工智能技术的重要组成部分，是AI分支符号主义在新时期主要的落地技术方式。它以其强大的语义处理能力和开放组织能力，为互联网时代的知识化组织和智能应用奠定了基础。自2012年谷歌提出知识图谱概念以来，国内外大规模知识图谱的研究不断深入，并广泛应用于知识融合、语义搜索和推荐、问答和对话系统、大数据分析与决策等方面，应用领域覆盖金融、制造、政府、电信、电商、客服、零售、娱乐、医疗、农业、出版、保险、知识服务、教育等行业。

培训特色

本培训班重视技术基础，强调实际应用，采用技术原理与实际应用相结合的方式进行教学。通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员掌握知识图谱基础与专门知识，获得较强的知识图谱应用系统的分析、设计、实现能力。

参加培训的学员需带笔记本电脑，配置为： Windows 10（或Windows 7）操作系统、jdk-8u191-windows-x64、8G以上内存、256G以上硬盘。

实验软件为：图数据库： neo4j 3.5社区版；

深度学习开发环境：Anaconda Anaconda 3-5.3（含Tensorflow与keras）。

培训对象

1、政府、企业、学校IT相关技术人员；高校相关专业硕士、博士研究生。

2、企业技术总监及相关管理人员。

3、人工智能与知识图谱系统架构师、设计与编程人员。

4、对知识图谱技术感兴趣的其他人员

北京中培伟业管理咨询有限公司

北京中培伟业管理咨询有限公司（以下简称“中培”）成立于2006年，其主营业务面向大中型企业的IT规划咨询业务和面向高端IT人才的培训类业务，其中咨询业务涉及大型集团化企业的IT战略规划、IT架构规划、IT综合管控等领域，培训业务涉及线上线下各种高级IT技术和管理类课程体系。借助于其优质的专家资源池和互联网平台，中培已经为众多的世界500强企业、国有大中型集团化企业、国际知名互联网企业提供过高质量的信息化战略规划、组织架构规划、科技人才管理、信息技术架构规划、信息系统开发和运维管理、信息化能力评测的相关培训与咨询服务。

会议日程（最终日程以会议现场为准）

培训安排

时间

模块

内容

第一天

第一讲

人工智能概述

1.1　人工智能（AI）概念

1.２　AI研究的主要技术问题

1.３　AI的主要学派

1.４　AI十大应用案例

第二讲

知识图谱概述

2.1 知识图谱（KG）概念

2.2 知识图谱的起源与发展

2.3 典型知识图谱项目简介

2.4 知识图谱技术概述

2.5 知识图谱典型应用

第三讲

知识表示

3.1 基于符号主义的知识表示概述

3.1.1 谓词逻辑表示法

3.1.2 产生式系统表示法

3.1.3 语义网络表示法

3.2 知识图谱的知识表示

3.2.1 RDF和RDFS

3.2.2 OWL和OWL2

3.2.3 Json-LD与RDFa、MicroData

3.2.4 SPARQL查询语言

3.3 知识建模实战 Protege

第二天

第四讲

知识图谱核心基础技术（一）

神经网络与深度学习

4.1 神经网络基本原理

4.2 神经网络应用举例

4.3 深度学习概述

4.4主流深度学习框架

4.4.1 TesorFlow

4.4.2 Caffe

4.5　卷积神经网络（CNN）

4.5.1 CNN简介

4.5.2 CNN关键技术:局部感知、卷积、池化、CNN训练

4.5.3 典型卷积神经网络结构

4.5.4 深度残差网络

4.5.5 案例：利用CNN进行手写数字识别

第五讲

知识图谱核心基础技术（二）

基于深度学习的自然语言处理

5.1 循环神经网络（RNN）概述

5.2 基本RNN

5.3 长短时记忆模型(LSTM)

5.4 门控循环单元（GRU）

5.5 知识图谱向量表示方法

5.5.1 向量表示法

5.5.2 知识图谱嵌入

第三天

第六讲

知识抽取与融合

6.1 知识抽取主要方法与方式

6.1.1 主要方法

6.1.2 主要方式

6.2 面向结构化数据的知识抽取

6.2.1 Direct Mapping

6.2.2 R2RML

6.3 面向半结构化数据的知识抽取

6.3.1 基于正则表达式的方法

6.3.2 基于包装器的方法

6.4. 面向非结构化数据的知识抽取

6.4.1 实体抽取
6.4.2 关系抽取

6.4.3 事件抽取
6.5 知识挖掘

6.5.1知识挖掘流程

6.5.2 知识挖掘主要方法

6.6 知识融合

6.6.1 本体匹配
6.6.2 实体对齐

第七讲

存储与检索

7.1 知识存储与检索基础知识

7.2 知识图谱的存储方法

7.2.1基于关系数据库的存储
7.2.2 基于RDF数据库的存储

7.2.3 原生图数据库Neo4j存储

7.3 图谱构建实践 NEO4J

第八讲

知识图谱案例

8.1 基于Neo4j人物关系知识图谱存储与检索

会议嘉宾（最终出席嘉宾以会议现场为准）

授课专家

钱老师 曾任阿里巴巴数据平台开发、资深架构等职位，负责阿里基础数据平台的开发与运维工作，先后参与过阿里彩票、淘宝推荐、一淘、阿里云、数据魔方等多个内部项目的开发与产品设计工作。2014年加入联想，负责联想电商数据平台架构产品设计，涉及推荐系统、CRM系统、精准营销系统、用户画像、流量监测平台等产品，实现了联想电商平台的数据化运营。2016年4月，加入博彦科技，任职大数据事业部副总裁，负责公司全球大数据数据业务建设，技术研发等。专门负责对与金融行业大数据应用产品建设，包括金融企业风险画像识别系统，金融企业互联网品牌建设监控系统，金融企业互联网口碑分析与新品研发挖掘系统，金融行业下一代CRM系统，金融企业智能运维服务管理平台等。2017年底，创立某智能科技有限公司，公司专注于为金融与电信行业提供图像NLU、NLP方向的AI落地产品及提供解决方案，目前承接某银行电商智能化改造，某银行OCR服务平台，某银行金融欺诈挖掘分析平台，清华大学医疗影像实验室课题研究等，建设银行人工智能咨询项目，广发银行人工智能咨询服务，联通研究院人工智能咨询项目等。

邹老师 北京邮电大学软件工程硕士，近10年的IT领域相关技术研究和项目开发工作，6年新东方、中国移动、中兴能源和中培教育培训讲师经验，研究方向为机器学习、数据挖掘、计算几何、自然语言处理（NLP）应用于股票交易与预测、医药图像识别、智能畜牧等。擅长机器学习模型选择、核心算法分析和代码实现。团队已实践工业AI项目20余个，与多所大学合作建立AI教研实训基地，应用于金融、医疗、交通、气象、油田、证券、电信、化工、冶金等多个领域。