آموزش مدل‌سازی گراف دانش و پایگاه‌های داده - آخرین آپدیت

دانلود Knowledge Graph Modeling and Databases

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بسیاری از سازمان‌ها برای طراحی گراف‌های دانش مقیاس‌پذیر و دارای ساختار مناسب که واقعاً از سیستم‌های هوش مصنوعی و روابط پیچیده داده‌ها پشتیبانی کنند، با چالش روبرو هستند. در این دوره آموزشی «مدل‌سازی گراف دانش و پایگاه‌های داده»، شما توانایی طراحی، مدل‌سازی، پرس‌وجو (Query) و مدیریت گراف‌های دانش در سطح سازمانی را کسب خواهید کرد. در ابتدا، نحوه ایجاد طرحواره‌ها (Schemas) و هستی‌شناسی‌های (Ontologies) مؤثر را با استفاده از اصول طراحی ساختاریافته بررسی می‌کنید. سپس، با نحوه مدل‌سازی موجودیت‌ها و روابط آشنا شده و معماری‌های مناسب برای پایگاه داده‌های گرافی را انتخاب خواهید کرد. در نهایت، یاد می‌گیرید که چگونه با استفاده از SPARQL و Cypher از گراف‌های دانش پرس‌وجو کنید و شیوه‌های کیفیت داده و حاکمیت داده‌ها را پیاده‌سازی نمایید. پس از اتمام این دوره، مهارت‌ها و دانش لازم در زمینه مدل‌سازی گراف دانش و طراحی پایگاه داده را برای ساخت راهکارهای گرافی مقیاس‌پذیر و آماده برای هوش مصنوعی به دست خواهید آورد.

سرفصل ها و درس ها

طراحی طرحواره‌ها و هستی‌شناسی‌های گراف دانش Designing knowledge graph schemas and ontologies

  • مقدمه Introduction

  • شناسایی نیازمندی‌ها با استفاده از سوالات شایستگی Identifying requirements using competency questions

  • به‌کارگیری الگوهای طراحی هستی‌شناسی Applying ontology design patterns

  • ایجاد سلسله‌مراتب کلاس‌ها با جزئیات مناسب Creating class hierarchies with proper granularity

  • تعریف تعداد ویژگی‌ها و محدودیت‌های دامنه و برد Defining properties cardinality and domain range restriction

  • دمو: ساخت یک هستی‌شناسی ساده در Protégé Demo: Building a simple ontology in Protégé

مدل‌سازی موجودیت‌ها، روابط و ویژگی‌ها Modeling entities, relationships, and attributes

  • تمایز بین موجودیت‌ها و لیترال‌ها Distinguishing between entities and literals

  • طراحی انواع روابط معنایی Designing semantic relationship types

  • مدل‌سازی روابط N-ary و روابط واجد شرایط Modeling N-ary and qualified relationships

  • نمایش اطلاعات زمانی، مکانی و منشأ داده‌ها Representing temporal, spatial, and provenance information

  • دمو: مدل‌سازی ساختارهای گرافی در Neo4j Demo: Modeling graph structures in Neo4j

مقایسه معماری‌های پایگاه داده گراف دانش Comparing knowledge graph database architectures

  • درک مدل گراف ویژگی (Property Graph) Understanding the property graph model

  • درک مدل RDF / Triple Store Understanding the RDF / triple store model

  • معماری‌های پایگاه داده ترکیبی و چندمدلی Hybrid and multi-model database architectures

  • معماری‌های گراف بومی در مقابل معماری‌های لایه‌ای Native graph vs. layered architectures

  • راهکارهای گرافی توزیع‌شده و مبتنی بر ابر Distributed and cloud-based graph solutions

استراتژی‌های ذخیره‌سازی و ایندکس‌گذاری گراف دانش Knowledge graph storage and indexing strategies

  • توضیح تکنیک‌های ذخیره‌سازی گراف Graph storage techniques explained

  • استراتژی‌های ایندکس‌گذاری برای پردازش بهینه پرس‌وجوها Indexing strategies for efficient query processing

  • پارتیشن‌بندی و شاردینگ در گراف‌های مقیاس بزرگ Partitioning and sharding large-scale graphs

  • ملاحظات ذخیره‌سازی برای الگوهای مختلف دسترسی Storage considerations for different access patterns

  • دمو: پیاده‌سازی نسخه‌بندی و بررسی برنامه‌های پرس‌وجو Demo: Implementing versioning and reviewing query plans

پرس‌وجو از گراف‌های دانش با استفاده از زبان‌های استاندارد Querying knowledge graphs using standard languages

  • نوشتن پرس‌وجوهای SPARQL: دستورات select، ask، describe و construct Writing SPARQL queries: select, ask, describe, and construct

  • استفاده از ویژگی‌های پیشرفته SPARQL Using advanced SPARQL features

  • ساخت پرس‌وجوهای Cypher برای گراف‌های ویژگی Constructing Cypher queries for property graphs

  • بهینه‌سازی عملکرد پرس‌وجوها Optimizing query performance

  • دمو: اجرای پرس‌وجوهای SPARQL و Cypher با یکپارچه‌سازی API Demo: Executing SPARQL and Cypher queries with API integration

برقراری شیوه‌های کیفیت و حاکمیت داده‌ها Establishing data quality and governance practices

  • تعریف ابعاد کیفیت داده Defining data quality dimensions

  • پیاده‌سازی اعتبارسنجی با استفاده از SHACL یا ShEX Implementing validation using SHACL or ShEX

  • طراحی گردش کارهای مدیریت و بازبینی داده‌ها Designing curation and review workflows

  • ردیابی منشأ داده‌ها و مدیریت متاداده‌ها Provenance tracking and metadata management

  • دمو: اعتبارسنجی داده‌های گراف دانش با SHACL Demo: Validating knowledge graph data with SHACL

نمایش نظرات

آموزش مدل‌سازی گراف دانش و پایگاه‌های داده
جزییات دوره
1h 47m
31
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
Zainul Arefin
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Zainul Arefin Zainul Arefin

زینول عارفین، مدرس باسابقه IT و توسعه‌دهنده ServiceNow با بیش از سه سال تجربه صنعتی است. او تجربه عملی گسترده‌ای در توسعه ServiceNow، از جمله ماژول‌های ITSM، ITBM و CSM دارد و در پیاده‌سازی‌ها، یکپارچه‌سازی‌ها و سفارشی‌سازی جریان‌های کاری مختلف فعالیت کرده است. زین مشتاق به خلق تجربیات یادگیری ساختاریافته و ساده‌ای است که فاصله بین تئوری و کاربردهای واقعی را پر کند. سبک تدریس او بر وضوح، کاربردی بودن و تعامل با یادگیرنده متمرکز است تا به متخصصان و مبتدیان کمک کند مهارت‌های فنی را با اعتمادبه‌نفس به دست آورند. او علاوه بر تخصص فنی، متعهد است که موضوعات پیچیده را از طریق نمایش‌های گام‌به‌گام، مثال‌های زنده و استعاره‌های ملموس در دسترس قرار دهد و یادگیرندگان را برای رشد در دنیای همواره در حال تغییر فناوری ترغیب کند.