課程介紹
人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大。
人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識、心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習、計算機視覺、神經網絡等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。
培訓對象
大數據專業人才、人工智能專業人才、對培訓內容感興趣的人士。
課程收益
使學員深入理解人工智能和知識圖譜的概念、內涵和前沿應用等。
知識概要
-- 人工智能（AI）概述；
-- 知識圖譜概述；
-- 知識圖譜表示；
-- 知識圖譜的構建。
課程大綱
人工智能（AI）概述
案例研討：AlphaGo的基本原理，李世石與AlphaGo的對局分析
人工智能（AI）時代
人工智能、類腦計算的概念解釋
人工智能的發展歷史
人工智能的應用及其原理
知識圖譜的介紹及應用
對于人工智能發展的思考
人工智能發展的利與弊
人工智能應用
什么是人工智能（Artificial Intelligence）
人工智能歷史和算法概述
人工智能誕生標志：達特茅斯會議
致力于使用概率方法AI
符號主義學派的創始人
人工智能簡史
成功人工智能經典案例
案例研討：寶馬BMW智能汽車裝配生產線
案例研討：可口可樂Coca-cola全自動化生產線
知識圖譜概述
知識圖譜誕生的背景
知識圖譜概念
知識圖譜包括的內容
知識圖譜技術原理
知識圖譜表示
知識的表示
知識圖譜的價值剖析
知識圖譜的分類
知識圖譜的特點
知識網絡
網絡的高集聚特性
頂點、邊
命名實體
實體關系
知識間的關系
構建知識圖譜
命名實體識別
實體唯一標識
實體內在特征：屬性-值對
詞匯體系
知識抽取
知識的表示
知識的存儲
知識的檢索
知識的推理
知識圖譜模型
知識表示為圖
引文分析
同被引分析
共詞分析
關聯關系分析
聚類分析
詞頻分析
知識圖譜的構建
知識圖譜的構建
知識圖譜的規模
實體-關系-實體
知識圖譜的數據來源
百科類數據
結構化數據
半結構化數據挖掘
通過搜索日志進行實體和實體屬性等挖掘
種子(Seeds)詞
從抽取圖譜到知識圖譜
實體對齊
知識圖譜schema構建
不一致性的解決
知識圖譜上的挖掘
基于知識圖譜的推理
實體重要性排序
相關實體挖掘
知識圖譜的更新和維護
Type和Collection的關系
結構化站點包裝器的維護
知識圖譜的更新頻率
眾包(Crowdsourcing)反饋機制
知識圖譜在搜索中的應用
查詢理解
問題回答
知識圖譜的構建算法
復雜的自然語言查詢
認證過程
無認證考試
開班信息
暫無開班信息