你能学到什么？

本课程一学员Trancy最新评价：『学习图神经网络的时候会涉及到理解傅立叶变换，但如果陷入这个细节里面对掌握图神经网络比较困难，但听了赵老师的课之后我对图神经网络有了通俗易懂的认识，了解了整体框架，而没有陷入局部细节』。

本课程入门级，如果进阶可以再学知识图谱集训营，若再深入比如在职提升，则可以学习NLP高级班（大厂技术专家辅导、大厂同学共同提升）

• 第一阶段 知识图谱的基础概念

  • 第1课 课程介绍及知识图谱基础
    • 知识点1： 知识图谱基本概念
    • 知识点2： 知识图谱历史
    • 知识点3： 知识图谱的现有应用
    • 知识点4： 知识图谱的工程原则

  • 第2课 知识的存储和检索
    • 知识点1： 知识图谱的数据模型
    • 知识点2： 知识图谱的存储
    • 知识点3： 知识图谱的查询
    • 实战项目： 在neo4j上存储及查询

  第二阶段 非结构化数据的知识图谱构建

  • 第3课 词汇挖掘与实体识别
    • 知识点1： 概述
    • 知识点2： 关键词提取
    • 知识点3： 领域短语挖掘
    • 知识点4： 同义词挖掘
    • 知识点5： 缩略词挖掘
    • 知识点6： 实体识别
    • 实战项目： 命名实体识别

  • 第4课 关系抽取
    • 知识点1： 基于模式
    • 知识点2： 全监督
    • 知识点3： 半监督
    • 知识点4： 远程监督

  第三阶段 图表示与图算法

  • 第5课 常用的图算法与图聚类
    • 知识点1： 常用的图遍历算法介绍
    • 知识点2： 图表示算法random walk与node2vec
    • 知识点3： 图聚类算法之谱聚类、louvain
    • 实战项目： 在neo4j中使用louvain进行图聚类

  • 第6课 知识表示方法
    • 知识点1： 知识表示的基础模型之距离模型
    • 知识点2： 翻译模型TransE及其变种
    • 知识点3： 矩阵分解模型RESCAL
    • 知识点4： 预训练模型KG-BERT

  • 第7课 图神经网络初步
    • 知识点1： 从message passing角度解释图神经网络
    • 知识点2： 图神经网络与图卷积神经网络原理

  • 第8课 图神经网络进阶
    • 知识点1： 基于聚合的图卷积
    • 知识点2： 图卷积的变体
    • 知识点3： pytorch geometric的使用
    • 实战项目： 基于Cora数据集的图卷积应用

  第四阶段 图应用

  • 第9课 基于知识图谱的问答系统
    • 知识点1： 问答系统
    • 知识点2： 基于语义解析的知识库问答
    • 知识点3： 基于检索的知识库问答
    • 实战项目： 基于知识图谱的医药问答系统

  • 第10课 节点分类与关系推理相关项目
    • 知识点1： 节点分类的常用方法
    • 知识点2： 基于图卷积的节点分类
    • 实战项目： 基于知识图谱的反欺诈系统