(11人评价)
人工智能商业实战应用:金融知识图谱构建与实战【企业内训现场实录】

企业内训现场实录、人工智能算法+自然语言处理+金融知识图谱

价格 ¥ 299.40 ¥499.00 6折
活动
课程介绍
Wayn老师:
人工智能方向博士。擅长大数据场景下,机器学习算法开发和应用实践

 

温馨提示:本课程为自主看视频学习,老师不提供售后技术答疑服务

 

 

此课程的背景是一个金融知识图谱的大项目,用于构建A股公司的知识图谱,并基于知识图谱提供语义搜索、智能问答等服务。 课程中用到神经网络、深度学习、图数据库、NoSQL数据库、自然语言处理等多个方面的技术,每个章节有独立的项目代码联系,配合培训导师的数据集,能够深入理解和掌握知识图谱的构建和实战。在课程最后的综合实践课程中,更可以对所学内容获得系统性的复习和巩固。

 

  1. 熟悉知识图谱的构建过程
  1. 熟悉自然语言处理的流程
  1. 熟悉深度学习和机器学习的基本算法及其在金融知识图谱中的应用
  1. 熟悉图数据库的设计、部署和使用
  1. 熟悉NoSql数据库的设计、部署和使用
  1. 熟悉语义搜索和智能问答应用系统的搭建

适用人群

有一定的数据挖掘和机器学习的基础。
有一定的Python知识(其他编程语言特别强的也可以)。

 

第一章:知识图谱概述
本章主要介绍知识图谱的基本概念,知识图谱是“新瓶装旧酒”吗?知识图谱中所需要的机器学习、深度学习算法,主要存在的困难,知识图谱与自然语言处理,深度学习等人工智能主流领域的关系

第二章:亲手搭建A股公司的知识图谱
沪深股市上市公司知识图谱介绍
该金融知识图谱构建流程
分布式爬虫搭建
自然语言处理过程
知识的抽取、存储和表示
知识的推理、搜索和问答

第三章:知识图谱中的关键技术一: 知识图谱存储
图数据库概述与优缺点
图查询语言与典型使用场景
知识图谱的可视化表示
课程实践练习与答疑

第四章:知识图谱中的关键技术二: 自然语言处理概述
语料的重要性概述
统计自然语言处理方法:词袋模型、TF-IDF、LDA
词向量模型Word2Vec
深度循环网络RNN和LSTM
注意力机制的原理和方法
课程实践练习与答疑

第五章:知识图谱中的关键技术三: 命名实体识别
命名实体识别技术概述
规则 字典 HMM CRF
深度网络BiLSTM + CRF
命名实体识别的评价方法
课程实践练习与答疑

第六章:知识图谱中的关键技术四: 关系提取
实体中的关系有哪些
构建抽取关系的训练语料
几种常用的关系抽取方法
课程实践练习与答疑

第七章:知识图谱中的关键技术五: 知识推理
什么叫做知识推理
知识推理的经典方法:归纳演绎
表示学习和知识推理
课程实践练习与答疑

第八章:知识图谱中的关键技术六: 语义搜索
基于搜索的数据库的设计
海量文本语义搜索系统搭建
课程实践练习与答疑

第九章:知识图谱中的关键技术七: 智能问答
智能问答系统概述
问题语义解析和信息抽取
向量建模和注意力机制
课程实践练习与答疑

第十章:课程项目实践和代码批阅
大项目现场实践与代码批阅答疑

授课教师

学途无忧网合作讲师

课程特色

视频(71)
下载资料(2)