參會報名
會議介紹
會議日程
會議嘉賓
參會指南

首頁 > 商務(wù)會議 > IT/技術(shù)會議 > 人工智能-知識圖譜核心技術(shù)與應(yīng)用培訓(xùn)班（7月杭州）更新時間：2021-05-25T19:41:55

大會站點分布：
(點擊可切換)

北京站
2021-10-28
重慶站
2021-09-23
重慶站
2021-08-26
杭州站
2021-07-22
北京站
2021-06-24
成都站
2021-05-28
成都站
2021-05-28
廣州站
2021-04-23
北京站
2021-04-09

人工智能-知識圖譜核心技術(shù)與應(yīng)用培訓(xùn)班（7月杭州）

收藏人

分享到

人工智能-知識圖譜核心技術(shù)與應(yīng)用培訓(xùn)班（7月杭州）已過期
推薦參加：國家軟考高級-系統(tǒng)分析師2024年線上培訓(xùn)班

會議時間：2021-07-22 09:00至 2021-07-25 17:00結(jié)束

會議地點：杭州會前統(tǒng)一通知

會議規(guī)模：30人

主辦單位：中國信息化人才培訓(xùn)中心

發(fā)票類型：增值稅普通發(fā)票增值稅專用發(fā)票

行業(yè)熱銷熱門關(guān)注看了又看換一換

會議介紹
會議內(nèi)容主辦方介紹

人工智能-知識圖譜核心技術(shù)與應(yīng)用培訓(xùn)班（7月杭州）宣傳圖

課程介紹

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)動力，將深刻改變?nèi)祟惿鐣?，改變世界，對于實現(xiàn)社會生產(chǎn)力新躍升，提高綜合國力和國際競爭力具有重要意義。知識圖譜是人工智能技術(shù)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(shù)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(yīng)用奠定了基礎(chǔ)。自2012年谷歌在提出知識圖譜概念以來，國內(nèi)外大規(guī)模知識圖譜的研究不斷深入，并廣泛應(yīng)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(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、知識服務(wù)、教育等行業(yè)。

為了貫徹落實國務(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圖譜技術(shù)的應(yīng)用，中國信息化人才培訓(xùn)中心決定舉辦 “人工智能-知識圖譜核心技術(shù)與應(yīng)用培訓(xùn)班”。

培訓(xùn)時間及地點

2021年05月28日-05月31日（27日報到）地點：成都

2021年06月24日-06月27日（24日報到）地點：北京

2021年07月22日-07月25日（22日報到）地點：杭州

2021年08月26日-08月29日（26日報到）地點：重慶

培訓(xùn)目標(biāo)

本培訓(xùn)班重視技術(shù)基礎(chǔ)，強調(diào)實際應(yīng)用，采用技術(shù)原理與實際應(yīng)用相結(jié)合的方式進(jìn)行教學(xué)。通過展示教師的實際科研成果，講述人工智能與知識圖譜的技術(shù)原理與應(yīng)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(xué)員掌握知識圖譜基礎(chǔ)與專門知識，獲得較強的知識圖譜應(yīng)用系統(tǒng)的分析、設(shè)計、實現(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。

實驗軟件為：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)對象

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、人工智能與知識圖譜系統(tǒng)架構(gòu)師、設(shè)計與編程人員。

4、對知識圖譜技術(shù)感興趣的其他人員。

培訓(xùn)方式

定制授課+實戰(zhàn)案例訓(xùn)練+互動咨詢討論

本課程采用技術(shù)原理與項目實戰(zhàn)相結(jié)合的方式進(jìn)行教學(xué), 在講授原理的過程中, 穿插實際的系統(tǒng)操作, 本課程講師也精心準(zhǔn)備的實際的應(yīng)用案例供學(xué)員動手訓(xùn)練。

中國信息化人才培訓(xùn)中心

天博信通-中國信息化人才培訓(xùn)中心率先在國內(nèi)開展高級軟件架構(gòu)等IT高端培訓(xùn)的公開課。多年來持續(xù)不斷的投入精力創(chuàng)新課程體系，至今已在國內(nèi)開展公開課培訓(xùn)的課程達(dá)十幾門，分別涵蓋、云計算、大數(shù)據(jù)、軟件架構(gòu)、軟件設(shè)計、高級UI設(shè)計、項目管理、質(zhì)量管理、需求工程、運營管理等領(lǐng)域，也根據(jù)企事業(yè)單位的實用需求, 通過定制培訓(xùn)方案，培訓(xùn)后的技術(shù)服務(wù)，將企業(yè)單位的信息化投資的效益發(fā)揮到最高點。目前中心已經(jīng)與幾百家企事業(yè)單位建立了長期的培訓(xùn)合作關(guān)系, 深得用戶信賴和好評。

會議日程
（最終日程以會議現(xiàn)場為準(zhǔn)）

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(shù)概述 2.5? 知識圖譜典型應(yīng)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(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(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（安裝與運行） 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)行時裝識別 4.5.6 案例：利用CNN進(jìn)行手寫數(shù)字識別上機實踐：基于卷積神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識別
?	第五講知識圖譜核心基礎(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(luò)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(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)的知識抽取 ?6.4.1 基于規(guī)則的實體識別 6.4.2 基于深度學(xué)習(xí)的實體識別 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(jié)構(gòu)的存儲 7.2.2 基于圖結(jié)構(gòu)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(jìn)行知識圖譜存儲與檢索
	第八講知識圖譜案例	8.1 金融風(fēng)險防范知識圖譜構(gòu)建 8.2 知識問答系統(tǒng)構(gòu)建??

會議嘉賓
（最終出席嘉賓以會議現(xiàn)場為準(zhǔn)）

張老師

博士畢業(yè)于西安交通大學(xué)，現(xiàn)為某大學(xué)計算機學(xué)院2級教授，博士生導(dǎo)師，陜西省XXX專家組專家。曾任陜西省信息化專家組專家、陜西省制造業(yè)信息化專家組專家、中國計算機學(xué)會服務(wù)計算專委會委員、信息系統(tǒng)專委會委員，計算機學(xué)院副院長、計算機科學(xué)與技術(shù)學(xué)科帶頭人。主持完成科研項目30項（其中國家863課題6項）；參編出版教材5部。作為第二作者參編了國家95規(guī)劃教材《人工智能基礎(chǔ)》(電子工業(yè)出版社，2000年) 。曾獲省部級科技進(jìn)步獎8項，其中“神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)及其應(yīng)用”獲機械工業(yè)部科技進(jìn)步三等獎（1996）。累計培養(yǎng)已畢業(yè)博士研究生24人，碩士研究生132人。

1985年以來，主要從事人工智能、因特信息網(wǎng)方面的教學(xué)與研究，進(jìn)行過多個實用人工智能系統(tǒng)、網(wǎng)絡(luò)與信息系統(tǒng)的規(guī)劃、設(shè)計與開發(fā)。2010年以來，主要從事人工智能、云計算、大數(shù)據(jù)與深度學(xué)習(xí)方面的研究與教學(xué)。