1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
        2、課程完成后,授課老師留給學(xué)員手機(jī)和Email,保障培訓(xùn)效果,免費(fèi)提供半年的技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。

人工智能—知識(shí)圖譜核心技術(shù)與應(yīng)用培訓(xùn)大綱

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(shí)圖譜概述
2.1知識(shí)圖譜（KG）概念
2.2知識(shí)圖譜的起源與發(fā)展
2.3典型知識(shí)圖譜項(xiàng)目簡介
2.4知識(shí)圖譜技術(shù)概述
2.5知識(shí)圖譜典型應(yīng)用

第三講知識(shí)表示
3.1基于符號主義的知識(shí)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(shí)圖譜的知識(shí)表示
3.2.1本體論概念
3.2.2RDF和RDFS
3.2.3.OWL和OWL2
3.3.4Json與Json-LD
3.3.5RDFa、HTML5、MicroData
3.3.6SPARQL查詢語言

第四講知識(shí)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
4.4.1TesorFlow/Keras（安裝與運(yùn)行）
4.4.2Caffe
4.5　卷積神經(jīng)網(wǎng)絡(luò)（CNN）
4.5.1CNN簡介
4.5.2CNN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(shí)裝識(shí)別
4.5.6案例：利用CNN進(jìn)行手寫數(shù)字識(shí)別
上機(jī)實(shí)踐：基于卷積神經(jīng)網(wǎng)絡(luò)的手寫體數(shù)字識(shí)別

第五講知識(shí)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(shí)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）
5.5.1.1one-hot編碼
5.5.1.2詞嵌入（wordembedding）概念
5.5.1.3詞嵌入（wordembedding）主要算法
5.5.1.4TensorFlow/Keras的嵌入層實(shí)現(xiàn)
上機(jī)實(shí)踐：基于循環(huán)神經(jīng)網(wǎng)絡(luò)的情感識(shí)別

第六講知識(shí)抽取與融合
6.1知識(shí)抽取基本方法
6.1.1實(shí)體識(shí)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(shí)抽取
6.2.1D2RQ
6.2.2R2RML
6.3面向半結(jié)構(gòu)化數(shù)據(jù)的知識(shí)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(shí)抽取
6.4.1基于規(guī)則的實(shí)體識(shí)別
6.4.2基于深度學(xué)習(xí)的實(shí)體識(shí)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(shí)體消歧與鏈接
6.5.1實(shí)體消歧
6.5.2實(shí)體鏈接
6.6知識(shí)融合
6.6.1框架匹配
6.6.2實(shí)體對齊
6.6.3沖突檢測與消解

第七講存儲(chǔ)與檢索
7.1知識(shí)圖譜的存儲(chǔ)與檢索簡介
7.2知識(shí)圖譜的存儲(chǔ)
7.2.1 基于表結(jié)構(gòu)的存儲(chǔ)
7.2.2基于圖結(jié)構(gòu)的存儲(chǔ)
7.3大規(guī)模知識(shí)圖譜存儲(chǔ)解決方案
7.4屬性圖數(shù)據(jù)庫NEO4J
7.5知識(shí)圖譜的檢索
上機(jī)實(shí)踐：利用NEO4J進(jìn)行知識(shí)圖譜存儲(chǔ)與檢索

第八講知識(shí)圖譜案例
8.1金融風(fēng)險(xiǎn)防范知識(shí)圖譜構(gòu)建
8.2知識(shí)問答系統(tǒng)構(gòu)建