设为首页 加入收藏夹 最新课程 搜索排行 免费注册 ·我要参加培训 ·培训机构注册推广 ·我是培训讲师

网站首页 公开课程 企业内训 培训专题 培训讲师 培训机构 管理资讯 资料下载 培训商城 全国培训
北京培训 上海培训 深圳培训 广州培训 综合管理 绩效培训 生产计划 采购培训 销售团队 商务礼仪
战略管理 市场营销 人力资源 劳动法规 财务管理 生产管理 研发项目 行政工作 销售技能 中层干部
搜索课程:   
课程编号:  
 
中培热线 >> 公开课程 >> 综合管理 >> 关于举办“人工智能-知识图谱核心技术与应用培训班”的通知
关于举办“人工智能-知识图谱核心技术与应用培训班”的通知
培训时间:2020年05月24日2020年05月27日 该课程的其它培训场次:
2020-07-26至2020-07-29【杭州】   2020-09-27至2020-09-30【北京】  
2020-12-22至2020-12-25【深圳】  
培训地点:广州
培训讲师:张老师
培训价格:7800 元/位
参会学员:政府、企业、学校IT相关技术人员;高校相关专业硕士、博士研究生等

讲师介绍

张老师,博士毕业于西安交通大学,现为某大学计算机学院2级教授,博士生导师,陕西省XXX专家组专家。曾任陕西省信息化专家组专家、陕西省制造业信息化专家组专家、中国计算机学会服务计算专委会委员、信息系统专委会委员,计算机学院副院长、计算机科学与技术学科带头人。主持完成科研项目30项(其中国家863课题6项);参编出版教材5部。作为第二作者参编了国家95规划教材《人工智能基础》(电子工业出版社,2000年) 。曾获省部级科技进步奖8项,其中“神经网络专家系统及其应用”获机械工业部科技进步三等奖(1996)。累计培养已毕业博士研究生24人,硕士研究生132人。
1985年以来,主要从事人工智能、因特信息网方面的教学与研究,进行过多个实用人工智能系统、网络与信息系统的规划、设计与开发。2010年以来,主要从事人工智能、云计算、大数据与深度学习方面的研究与教学。

课程背景

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年谷歌在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。

培训方式
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。

颁发证书 
参加相关培训并通过考试的学员,可以获得:
工业和信息化部全国网络与信息技术考试管理中心颁发的《人工智能职业技能证书》(等级高级)。该证书可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。
注:请学员带二寸彩照2张(背面注明姓名)、身份证复印件一张。

培训费用及须知
 培训费 7800元/人(含培训、教材、午餐、场地、证书、学习用品费等)。
需要住宿学员请提前通知,可统一安排,费用自理。 事件抽取方法 6.2 面向结构化数据的知识抽取 6.2.1 D2RQ 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 基于规则的实体识别   6.4.2 基于深度学习的实体识别 6.4.3 基于模板的关系抽取   6.4.4 基于深度学习的关系抽取 6.5 实体消歧与链接 6.5.1实体消歧 6.5.2 实体链接 6.6 知识融合 6.6.1 框架匹配   6.6.2 实体对齐   6.6.3 冲突检测与消解 第七讲 存储与检索 7.1 知识图谱的存储与检索简介 7.2 知识图谱的存储 7.2.1  基于表结构的存储  7.2.2 基于图结构的存储 7.3 大规模知识图谱存储解决方案 7.4 属性图数据库 NEO4J 7.5 知识图谱的检索 上机实践:利用NEO4J进行知识图谱存储与检索 第八讲 知识图谱案例 8.1 金融风险防范知识图谱构建 8.2 知识问答系统构建

培训内容

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 本体论概念
3.2.2 RDF和RDFS
3.2.3. OWL和OWL2 
3.3.4 Json与Json-LD
3.3.5 RDFa、HTML5 、MicroData
 3.3.6 SPARQL查询语言 
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 / Keras(安装与运行)
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进行时装识别
4.5.6 案例:利用CNN进行手写数字识别
上机实践:基于卷积神经网络的手写体数字识别
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 基于TensorFlow的自然语言处理
  5.5.2 自然语言处理处理概述
  5.5.1 文本向量化(vectorize)
  5.5.1.1 one-hot编码
  5.5.1.2词嵌入(word embedding)概念
  5.5.1.3词嵌入(word embedding)主要算法
  5.5.1.4 TensorFlow/Keras的嵌入层实现
 上机实践:基于循环神经网络的情感识别
第三天第六讲 知识抽取与融合6.1 知识抽取基本方法
6.1.1 实体识别方法
6.1.2 关系抽取方法
6.1.3 事件抽取方法
6.2 面向结构化数据的知识抽取
6.2.1 D2RQ  
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 基于规则的实体识别
  6.4.2 基于深度学习的实体识别
6.4.3 基于模板的关系抽取
  6.4.4 基于深度学习的关系抽取
6.5  实体消歧与链接
6.5.1实体消歧
6.5.2 实体链接
6.6 知识融合
6.6.1 框架匹配
  6.6.2 实体对齐
  6.6.3 冲突检测与消解
第七讲 存储与检索7.1 知识图谱的存储与检索简介
7.2 知识图谱的存储
 7.2.1  基于表结构的存储
 7.2.2 基于图结构的存储
7.3 大规模知识图谱存储解决方案
7.4 属性图数据库 NEO4J
7.5 知识图谱的检索
上机实践:利用NEO4J进行知识图谱存储与检索
第八讲 知识图谱案例8.1 金融风险防范知识图谱构建
8.2 知识问答系统构建 


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 本体论概念 3.2.2 RDF和RDFS 3.2.3. OWL和OWL2 3.3.4 Json与Json-LD 3.3.5 RDFa、HTML5 、MicroData 3.3.6 SPARQL查询语言 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 / Keras(安装与运行) 4.4.2 Caffe 4.5 卷积神经网络(CNN) 4.5.1 C
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进行时装识别 4.5.6 案例:利用CNN进行手写数字识别 上机实践:基于卷积神经网络的手写体数字识别 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 基于TensorFlow的自然语言处理 5.5.2 自然语言处理处理概述 5.5.1 文本向量化(vectorize) 5.5.1.1 one-hot编码 5.5.1.2词嵌入(word embedding)概念 5.5.1.3词嵌入(word embedding)主要算法 5.5.1.4 TensorFlow/Keras的嵌入层实现 上机实践:基于循环神经网络的情感识别 第三天 第六讲 知识抽取与融合 6.1 知识抽取基本方法 6.1.1 实体识别方法 6.1.2 关系抽取方法 6.1.3

 >> 课程类别
战略管理 市场营销
人力资源 劳动法规
综合管理 财务管理
生产管理 研发项目
采购供应 行政工作
销售技能 精益生产
项目管理 中层干部
商务礼仪 库存控制
 >> 培训月历
  2020年培训课程:
01月 | 02月 | 03月 | 04月
05月 | 06月 | 07月 | 08月
09月 | 10月 | 11月 | 12月
  2021年培训课程:
01月 | 02月 | 03月 | 04月
05月 | 06月 | 07月 | 08月
09月 | 10月 | 11月 | 12月
 >> 热门培训词
人力资源规划 员工招聘 面试技巧 绩效管理 薪酬设计 员工福利 劳动关系 劳动法 员工关系 人力资源管理师 3E薪资设计 KPI绩效考核 BSC平衡计分卡 人力资源管理制度 非人力资源经理的人力资源管理 人力资源开发 HR系列 生产计划 物料控制 采购 供应商 供应链 生产安全 精益生产 创新 品质管理 生产效率 设备管理 库存控制 班组长 工厂成本 研发 车间管理 IE工业工程 5S(6S) 生产维护 仓储 注塑 EHS TPM 销售技能 营销策略 电话销售 顾问式销售 销售团队 经销商管理 市场策划 大客户营销 外贸操作 商务谈判 非财务人员的财务管理 企业所得税法 全面预算管理 应收账款 内部控制 新会计准则 财务报表 纳税筹划 成本管理 信用管理 企业融资

报名流程
  温馨提示:请完整填写电子邮件地址,以便会后收取资料。
网上咨询/报名表
  请 选 择: 确认报名  我先咨询  过期课程咨询   *
  和OWL2 3.3.4 Json与Json-LD 3.3.5 RDFa、HTML5 、MicroData 3.3.6 SPARQL查询语言 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 / Keras(安装与运行) 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 我单位共计 * 人,报名参加2020-5-24开始,在广州举办的关于举办“人工智能-知识图谱核心技术与应用培训班”的通知(课程编号:196525)。
  单位名称: *  联 系 人: *
  联系电话: -  *  电子邮件: *
  移动电话:    联系传真: - *
  请问是否需要预订酒店(费用自理): 不需要 需要标单 需要标双 共 间房,住 天,入住日期
  支付方式: 现金支付 转账支付 暂未确定
  其他备注:
* 注:本次课程虽已过期,但您可以留下联系方式,近期巡回开课的时候我们会通知您!
   或者您也可以到培训需求发布区,发布您的需求,在那里会有更多专家与您联系!
验 证 码: 2473 *       pxcn168-06
我们的客户
 
Copyright © 2001 - 2020 PXCN168.COM All Rights Reserved
中培热线,致力于企业培训服务。为企业提供上千种企业内训,以及每年数千个公开课程,授课范围覆盖全国各大中小城市!
中培热线 与您一路携手前进,共创企业管理之路!
粤ICP备09207139号-2

粤公网安备 44011302000598号