国产极品粉嫩福利姬萌白酱_伊人WWW22综合色_久久精品a一国产成人免费网站_法国啄木乌AV片在线播放

人工智能技術的課程

一、課程介紹
人工智能（AI）是新一輪科技革命和產業變革的核心驅動力，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，為互聯網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、大數據分析與決策等方面，應用領域覆蓋金融、制造、政府、電信、電商、客服、零售、娛樂、醫療、農業、出版、保險、知識服務、教育等行業。
為了貫徹落(luo)實*印發的“新一代人工(gong)(gong)智能(neng)發展規(gui)劃(hua)”精神，推廣人工(gong)(gong)智能(neng)與知(zhi)識圖譜技(ji)術的應用(yong)，中國信息化人才培訓中心(xin)決定舉辦 “人工(gong)(gong)智能(neng)-知(zhi)識圖譜核心(xin)技(ji)術與應用(yong)培訓班”。本次培訓班由北京天博信通科技(ji)有限公(gong)司具體承辦，現將有關(guan)事宜(yi)通知(zhi)如下：

二、培訓時間及地點
2022年07月28日-07月31日（28日報到）地點：杭州
2022年08月25日-08月28日（25日報到）地點：重慶

三、培訓方式
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開發方法、知識圖譜系統開發工具使用方法。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的分析、設計、實現能力。
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、jdk-8u191-windows-x64、8G以上內存、256G以上硬盤。
實驗軟件為： 圖數據庫： neo4j 3.5社區版；
 深度(du)學習開發環(huan)境(jing)：Anaconda Anaconda 3-5.3（含(han)Tensorflow與keras）。

四、培訓對象
1、政府、企業、學校IT相關技術人員；高校相關專業碩士、博士研究生。
2、企業技術總監及相關管理人員。
3、人工智能與知識圖譜系統架構師、設計與編程人員。
4、對知識(shi)圖譜(pu)技術感興趣的其他人員。

五、培訓內容
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 產生式系統表示法
3.1.3 語義網絡表示法
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(xun)語言

第二天
第四講 知識圖譜核心基礎技術
（一）神經網絡與深度學習
4.1 神經網絡基本原理
4.2 神經網絡應用舉例
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 卷積神經網絡（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 典型卷積神經網絡結構 
4.5.4 深度殘差網絡
4.5.5 案例：利用CNN進行時裝識別
4.5.6 案例：利用CNN進行手寫數字識別
上機實踐：基于卷積神經網絡的手寫體數字識別
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 循環神經網絡（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
上機實踐：基于(yu)循環神經網絡的情(qing)感(gan)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 面向結構化數據的知識抽取
6.2.1 D2RQ  
6.2.2 R2RML 
6.3  面向半結構化數據的知識抽取
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. 面向非結構化數據的知識抽取
6.4.1 基于規則的實體識別 
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 大規模知識圖譜存儲解決方案
7.4 屬性圖數據庫 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(xi)統構(gou)建

主講教授  
張老師，博士畢業于西安交通大學，現為某大學計算機學院2級教授，博士生導師，陜西省XXX專家組專家。曾任陜西省信息化專家組專家、陜西省制造業信息化專家組專家、中國計算機學會服務計算專委會委員、信息系統專委會委員，計算機學院副院長、計算機科學與技術學科帶頭人。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規劃教材《人工智能基礎》(電子工業出版社，2000年) 。曾獲省部級科技進步獎8項，其中“神經網絡專家系統及其應用”獲機械工業部科技進步三等獎（1996）。累計培養已畢業博士研究生24人，碩士研究生132人。
1985年以來(lai)，主要(yao)從(cong)事人(ren)工智能(neng)、因特信息網方面的(de)(de)教學與(yu)研(yan)究，進(jin)行過多(duo)個(ge)實用人(ren)工智能(neng)系統、網絡與(yu)信息系統的(de)(de)規劃(hua)、設計(ji)與(yu)開發。2010年以來(lai)，主要(yao)從(cong)事人(ren)工智能(neng)、云計(ji)算、大數據與(yu)深(shen)度學習方面的(de)(de)研(yan)究與(yu)教學。

人工智能技術的課程