Python、知识图谱与深度学习培训_进阶3天

Python深度学习与知识图谱培训

（进阶部分）

【课程时长】

3天（6小时/天）

【课程简介】

人工智能的浪潮正在席卷全球，各种培训课程应运而生，但真正能让学员系统、全面掌握知识点，并且能学以致用的实战课程并不多见。本课程包含深度学习、知识图谱的重要概念及常用算法（目标检测、图像分割、自然语言处理、RNN、知识图谱、GAN等），以及人工智能领域当前的热点。通过3天的系统学习、案例讲解和动手实践，让学员能初步迈入深度学习和知识图谱的知识殿堂。

【课程收益】

掌握Python开发技能；

掌握深度学习工具：TensorFlow、Keras、pytorch等；

掌握深度学习的理论与实践；

掌握知识图谱基本知识；

为学员的后续项目应用提供针对性的建议。

【课程特点】

本课程力图理论结合实践，强调从零开始，重视动手实践；课程内容以原理讲解为根本，以应用落地为目标。课程通过大量形象的比喻和手算示例来解释复杂的机器学习理论，既能将原理充分讲懂讲透，也避免了繁复而枯燥的公式推导。

【课程对象】

计算机相关专业本科；或理工科本科，且至少熟悉一门编程语言。

【主讲专家】

叶梓，博士、高级工程师。2005年上海交通大学计算机专业博士毕业，主研方向为数据挖掘、机器学习、人工智能等。现为某大型上市软件企业的人工智能团队技术负责人。在大数据、人工智能应用等方面有着丰富的工程实践经验。先后在SCI或EI期刊上发表论文4篇，在中文核心期刊上发表论文近20篇，并被百度学术收录。

【学员基础】

具备初步的IT基础知识

【课程大纲】（培训内容可根据客户需求调整）

时间

内容

案例实践与练习

Day4上午

目标检测

二阶段目标检测

目标检测项目介绍

R-CNN

SPPNET（全图卷积、SPP层）

Fast-RCNN（多任务）

Faster-RCNN（RPN）

一阶段目标检测（2）

SSD

YOLO-v1（一切都是回归）

YOLO -v2（9000）

YOLO -v3（多尺度）

YOLO -v4

YOLO -v5

案例实践：

基于Faster-RCNN的通用目标检测示例

血常规分析

案例实践：

基于YOLO v3的通用目标快速检测示例

基于YOLO v4的疫情防控系统

Day4下午

图像分割与NLP初步

图像分割（3）

全卷积网络（FCN）

上采样的三种实现方式

膨胀卷积

HMM与CRF

DeepLab V1~V3

自然语言处理初步（2）

语言模型

Bi-Gram与N-Gram

机械分词与统计分词

词性标注

命名实体识别

情感分析

DeepLab：遥感地图分析

Day5上午

RNN与W2V

循环神经网络（1）

RNN基本原理

LSTM、GRU

双向循环神经网络

编码器与解码器结构

seq2seq模型

Attention

NIC模型

词向量（3）

W2V:CBOW

W2V:skip-gram

W2V:Hierachical Softmax

W2V:Negative Sampling

案例实践：

股票交易数据的预测；

藏头诗生成；

《绝代双骄》中，谁和小鱼儿最相似？

SnowNLP：褒义的中性词

Word2vec代码解读

Day5下午

预训练模型基础

Transformer

所有你需要的仅仅是“注意力”

Transformer中的block

自注意力机制

多头注意力

位置编码（抛弃RNN）

Batch Norm与Layer Norm

解码器的构造

BERT

BERT整体架构

Masked-LM

Next Sentence Prediction

改造下游任务

WordPiece作为输入

哪些改进起作用？

案例实践：

手推Transformer

BERT代码解读

BERT下游任务的改造

Day6上午

知识图谱概念

知识图谱基础概念

知识推理

本体推理方法

本体推理工具

语义搜索

RDF与RDFS

OWL与OWL2

知识图谱存储

Neo4j开发环境部署

Neo4j-可视化操作

Neo4j-CQL语法基础

Neo4j-完整案例操作实战

Neo4j系统管理

Python与Neo4j的集成

实践：

Neo4j的安装

Neo4j的基本操作

Day6下午

知识图谱存储

知识图谱自动抽取

实体消歧与链接

知识图谱表示学习

基于深度学习的实体识别

基于深度学习的属性链接

知识问答系统

基于知识图谱问答系统

GAN

生成对抗网络（GAN）

KL散度与JS散度

改进的GAN：DCGAN

加上约束：infoGAN

根本上解决：Wasserstein GAN

实践：

Python与Neo4j的集成

知识抽取的DL模型

完整的基于KG的问答系统（KBQA）

计算机想象的数字

特朗普的孩子

查无此人

【授课环境】

讲课环境要能上网