• 学习时长

    四天

  • 答疑服务

    线上线下答疑相结合

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 第1章: 知识图谱概述
  • 第1节: 知识图谱发展历程
  • 第2节: 知识图谱生命周期
  • 第3节: 代表性知识图谱
  • 第4节: 经典知识表示理论
  • 第5节: 知识图谱中的知识表示方法
  • 第6节: 知识体系构建
  • 第7节: 实践:深度学习基础(多层神经网络、卷积神经网络、循环神经网络、误差传播算法等)
  • 第2章: 自然语言处理基础
  • 第1节: 词表示模型
  • 第2节: 语义组合模型
  • 第3节: 中文分词
  • 第4节: 实践:词向量表示模型(word2vec,Bert等)
  • 第3章: 知识抽取与融合
  • 第1节: 实体识别
  • 第2节: 实体消歧
  • 第3节: 实践:基于LSTM+CRF的命名实体识别
  • 第4节: 关系抽取
  • 第5节: 事件抽取
  • 第6节: 实践:基于卷积神经网络的实体关系抽取
  • 第4章: 知识的存储与检索
  • 第1节: 知识图谱数据模型
  • 第2节: 知识图谱数据的存储
  • 第3节: 知识图谱数据检索
  • 第4节: 实践:图数据库使用
  • 第5章: 知识推理
  • 第1节: 知识图谱推理任务
  • 第2节: 知识推理分类
  • 第3节: 基于符号演算推理
  • 第4节: 基于数值计算的推理
  • 第5节: 实践:基于分布式表示的知识推理
  • 第6章: 知识问答
  • 第1节: 知识问答技术概述
  • 第2节: 基于语义解析的方法
  • 第3节: 基于搜索排序的方法
  • 第4节: 实践:基于知识图谱的问答系统

相关推荐

机器学习 计算机视觉 深度学习 计算机视觉 进阶