课程大纲：

第一天

第一讲  人工智能概述

1.1人工智能（AI）概念

1.2AI研究的主要技术问题

1.3AI的主要学派

1.4AI十大应用案例     

第二讲 知识图谱概述

2.1 知识图谱（KG）概念

2.2 知识图谱的起源与发展

2.3 典型知识图谱项目简介

2.4 知识图谱技术概述

2.5 知识图谱典型应用      

第三讲 知识表示

3.1 基于符号主义的知识表示概述

3.1.1 谓词逻辑表示法

3.1.2 产生式系统表示法

3.1.3 语义网络表示法

3.2 知识图谱的知识表示

3.2.1 RDF和RDFS

3.2.2 OWL和OWL2

3.2.3 Json-LD与RDFa、MicroData

3.2.4 SPARQL查询语言  

3.3 知识建模实战 Protege     

第二天

第四讲 知识图谱核心基础技术（一）

神经网络与深度学习

4.1神经网络基本原理

4.2神经网络应用举例

4.3深度学习概述

4.4主流深度学习框架

4.4.1TesorFlow

4.4.2Caffe

4.5卷积神经网络（CNN）

4.5.1CNN简介

4.5.2CNN关键技术:局部感知、卷积、池化、CNN训练

4.5.3 典型卷积神经网络结构

4.5.4 深度残差网络

4.5.5 案例：利用CNN进行手写数字识别      

第五讲 知识图谱核心基础技术（二）

基于深度学习的自然语言处理

5.1 循环神经网络（RNN）概述

5.2 基本RNN

5.3 长短时记忆模型(LSTM)

5.4 门控循环单元（GRU）

5.5 知识图谱向量表示方法

5.5.1 向量表示法

5.5.2 知识图谱嵌入    

第三天

第六讲 知识抽取与融合

6.1 知识抽取主要方法与方式

6.1.1 主要方法

6.1.2 主要方式

6.2 面向结构化数据的知识抽取

6.2.1 Direct Mapping

6.2.2 R2RML

6.3 面向半结构化数据的知识抽取

6.3.1 基于正则表达式的方法

6.3.2 基于包装器的方法

6.4. 面向非结构化数据的知识抽取

6.4.1 实体抽取

6.4.2 关系抽取

6.4.3 事件抽取

6.5 知识挖掘

6.5.1知识挖掘流程

6.5.2 知识挖掘主要方法

6.6 知识融合

6.6.1 本体匹配

6.6.2 实体对齐    

第七讲 存储与检索

7.1 知识存储与检索基础知识

7.2 知识图谱的存储方法

7.2.1基于关系数据库的存储

7.2.2 基于RDF数据库的存储

7.2.3 原生图数据库Neo4j存储

7.3 图谱构建实践 NEO4J    

第八讲 知识图谱案例

钱老师

曾任阿里巴巴数据平台开发、资深架构等职位，负责阿里基础数据平台的开发与运维工作，先后参与过阿里彩票、淘宝推荐、一淘、阿里云、数据魔方等多个内部项目的开发与产品设计工作。2014年加入联想，负责联想电商数据平台架构产品设计，涉及推荐系统、CRM系统、精准营销系统、用户画像、流量监测平台等产品，实现了联想电商平台的数据化运营。2016年4月，加入博彦科技，任职大数据事业部副总裁，负责公司全球大数据数据业务建设，技术研发等。专门负责对与金融行业大数据应用产品建设，包括金融企业风险画像识别系统，金融企业互联网品牌建设监控系统，金融企业互联网口碑分析与新品研发挖掘系统，金融行业下一代CRM系统，金融企业智能运维服务管理平台等。2017年底，创立某智能科技有限公司，公司专注于为金融与电信行业提供图像NLU、NLP方向的AI落地产品及提供解决方案，目前承接某银行电商智能化改造，某银行OCR服务平台，某银行金融欺诈挖掘分析平台，清华大学医疗影像实验室课题研究等，建设银行人工智能咨询项目，广发银行人工智能咨询服务，联通研究院人工智能咨询项目等。

邹老师

北京邮电大学软件工程硕士，近10年的IT领域相关技术研究和项目开发工作，6年新东方、中国移动、中兴能源和中培教育培训讲师经验，研究方向为机器学习、数据挖掘、计算几何、自然语言处理（NLP）应用于股票交易与预测、医药图像识别、智能畜牧等。擅长机器学习模型选择、核心算法分析和代码实现。团队已实践工业AI项目20余个，与多所大学合作建立AI教研实训基地，应用于金融、医疗、交通、气象、油田、证券、电信、化工、冶金等多个领域。