• 學習時長

    四天

  • 答疑服務

    專屬微信答疑群/講師助教均參與

  • 作業批改

    每章節設計作業/助教及時批改評優

限時特價: 3999
優惠名額僅剩: 20個

原價: ¥4999.00

  • 任務1: 知識圖譜線下培訓學員須知.pdf
  • 第1章: 知識圖譜概述
  • 第1節: 知識圖譜發展歷程
  • 第2節: 知識圖譜生命周期
  • 第3節: 代表性知識圖譜
  • 第4節: 經典知識表示理論
  • 第5節: 知識圖譜中的知識表示方法
  • 第6節: 知識體系構建
  • 第7節: 實踐:深度學習基礎(多層神經網絡、卷積神經網絡、循環神經網絡、誤差傳播算法等)
  • 第2章: 自然語言處理基礎
  • 第1節: 詞表示模型
  • 第2節: 語義組合模型
  • 第3節: 中文分詞
  • 第4節: 實踐:詞向量表示模型(word2vec,Bert等)
  • 第3章: 知識抽取與融合
  • 第1節: 實體識別
  • 第2節: 實體消歧
  • 第3節: 實踐:基于LSTM+CRF的命名實體識別
  • 第4節: 關系抽取
  • 第5節: 事件抽取
  • 第6節: 實踐:基于卷積神經網絡的實體關系抽取
  • 第4章: 知識的存儲與檢索
  • 第1節: 知識圖譜數據模型
  • 第2節: 知識圖譜數據的存儲
  • 第3節: 知識圖譜數據檢索
  • 第4節: 實踐:圖數據庫使用
  • 第5章: 知識推理
  • 第1節: 知識圖譜推理任務
  • 第2節: 知識推理分類
  • 第3節: 基于符號演算推理
  • 第4節: 基于數值計算的推理
  • 第5節: 實踐:基于分布式表示的知識推理
  • 第6章: 知識問答
  • 第1節: 知識問答技術概述
  • 第2節: 基于語義解析的方法
  • 第3節: 基于搜索排序的方法
  • 第7章: 預習課件
  • 任務2: 【預習課件】1.知識圖譜概述+pytorch入門.pdf
  • 任務3: 【預習課件】2.自然語言處理基礎.pdf
  • 任務4: 【預習課件】3.實體識別與實體消歧.pdf
  • 任務5: 【預習課件】4.關系抽取與事件抽取.pdf
  • 任務6: 【預習課件】5.知識存儲與檢索.pdf
  • 任務7: 【預習課件】6.知識推理.pdf
  • 任務8: 【預習課件】7.知識問答.pdf

网投真人在线靠谱平台