百林哲课程

一线技术专家团队——提供关键岗位人才培养体系设计与开发等一系列研发管理培训咨询课程。用产品化、场景化、国际化的视角,分享卓越研发管理实践。具有以下鲜明特点:

1、课程研发专业迅速
2、国内顶尖一线技术专家
3、极致用户服务体验

全部课程

最新公开课

微服务架构设计与实践(二)

2019.01.12 - 2019.01.13 深圳.

课程日历

百林哲专家

携手全球知名一线技术专家团队分享软件研发技术管理实践,国内一线、一手研发管理实践,行业智库。

成为专家
用户登录
您当前的位置:首页>全部课程>行业知识图谱关键技术及应用

行业知识图谱关键技术及应用

开课时间:2018.10.27-2018.10.27 课时:1天 地点:深圳 价格:3800元/人 浏览:9501次

一、课程简介:

本课程主要包括以下三方面内容:第一,行业知识图谱概述,包括行业图谱简介,行业知识图谱的应用及挑战,以及行业知识图谱生命周期管理。第二,行业知识图谱关键技术,包括行业知识图谱生命周期中各过程的相关技术、现有可用的工具,以及各过程中的最佳实践及相关组件。第三,行业知识图谱应用实战,以达观数据服务的行业应用为例,演示知识图谱从知识建模、知识抽取到行业应用的全过程。

 

培训对象

知识图谱学习者,对知识图谱在行业应用感兴趣的技术人员。

各行业应用中想引入知识图谱相关技术的知识及数据管理人员,尤其是有行业知识库构建及上层问答搜索等需求的。

希望了解知识图谱如何在行业中应用的管理决策者。

 

课程目标

1、了解行业知识图谱相关概念及其在行业中的现有应用。

2、理解知识图谱给行业应用带来的价值。

2、理解知识图谱在行业中应用的相关挑战与生命周期。

3、理解生命周期各过程的基本目标及相关组件。

4、对行业知识图谱应用相关的技术进行熟悉。

5、了解现有的知识图谱工具使用和相关注意事项。

6、了解知识图谱行业应用的最佳实践。

 

二、课程周期:

2天

 

三、课程大纲:

 

第一天上午

 

1.行业知识图谱概述

1.1 行业知识图谱简介

1.2 行业知识图谱应用

1.3 行业知识图谱数据应用挑战

1.4 行业知识图谱生命周期

第二天下午

2.行业知识图谱关键技术

2.1 知识建模

2.2 知识获取

2.3 知识融合

2.4 知识存储

2.5 知识计算

2.6 知识应用

3.达观行业知识图谱案例分享

3.1 KG在知识库搜索中的应用

3.2 KG在智能客服机器人中的应用

3.3 KG在智能推荐引擎中的应用

 

Daniel Gui--百林哲咨询(北京)有限公司专家团队成员,曾任某大型互联网公司技术副总裁。

如您想参加此课程,您可以点击“我想参加”按钮提交您的需求,我们会及时与您联系
我要参加
将课程带入到您的团队,为您的团队进行一对一辅导。
预约内训

相关课程

大数据

行业知识图谱关键技术及应用

开课时间:2018.10.27 课时:1天

本课程主要包括以下三方面内容:第一,行业知识图谱概述,包括行业图谱简介,行业知识图谱的应用及挑战,以及行业知识图谱生命周期管理。第二,行业知识图谱关键技术,包括行业知识图谱生命周期中各过程的相关技术、现有可用的工具,以及各过程中的最佳实践及相关组件。第三,行业知识图谱应用实战,以达观数据服务的行业应用为例,演示知识图谱从知识建模、知识抽取到行业应用的全过程。

浏览:9501 收藏:2

推荐课程

敏捷数据中台建设实践
公司在17年推出了一系列大数据开源工具,在技术社区内得到了广泛关注和好评,包括大家熟悉的DBus、Wormhole、Moonbox、Davinci,并基于四大开源平台之上形成一套“敏捷大数据架构”方法论。19年,公司基于四大开源平台和敏捷方法论,建设了公司统一的“敏捷数据中台”,并在全公司推广使用。本次分享将会介绍我们从“敏捷大数据架构”到“敏捷数据中台”的建设之路,并会深入到设计、架构和实践层面进行讨论,为社区建设自己的数据
集成产品开发
中国要想在15年之内实现创新型国家的战略转移,首先必须实现“从中国制造走向中国创造”,在这个转变的过程中,“中国企业除了研发别无选择”(迈克尔·波特语)。中国企业在新产品/新服务的研发面临着如下一些长期困惑的问题: 如何平衡市场竞争的压力和客户多变的需求,快速将产品推向市场; 如何建立一个良好的决策评审体系来保证新产品“优生优育”; 如何建立一个真正的“以客户为中心、以市场为导向”的研发组织体系,快速响
Splunk大数据分析应用与实战
随着人工智能,5G等技术的飞速发展,以及智能终端、移动互联网以及物联网等信息技术的大规模应用,大数据时代已经到来,数据迅速渗透到我们生活、工作的各个领域。我们用传统的数据处理工具例如Excel来处理MB级别的业务,我们用各种数据库产品来处理结构化和半结构化数据,例如Oracle,MongoDB。但我们清醒地意识到,大数据时代不仅仅局限于MB的数据,大数据时代不是只有结构化数据,大数据时代不是只有一种数据源,大数据时代数