آموزش هوش مصنوعی کاربردی: گراف‌های دانش برای موارد استفاده از هوش مصنوعی مولد - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• معرفی مورد استفاده: روغن زیتون Two Trees Use case introduction: Two Trees Olive Oil

• آنچه باید بدانید What you should know

• قدرت گراف‌های دانش The power of knowledge graphs

1. گراف دانش چیست و چرا اهمیت دارد؟ 1. What Is a Knowledge Graph and Why Should You Care?

• گره (Node) یا نمونه (Instance) چیست؟ What is a node or instance?

• سه‌تایی (Triple) یا گزاره چیست؟ What is a triple or statement?

• یال (Edge) یا رابطه چیست؟ What is an edge or relation?

• شناسه‌های یکتا (UIDs) چیستند؟ What are UIDs?

• چرا استفاده از گراف‌های دانش در فضای LLM؟ Why knowledge graphs in the LLM space?

• Triple store یا گراف ویژگی‌های برچسب‌دار (LPG)؟ Triple store or labeled property graph?

2. ساخت مدل شما 2. Make Your Model

• نحوه نسخه‌بندی گراف شما How to version your graph

• تنظیمات IRI در نرم‌افزار Protege Desktop Protege IRI setup

• افزودن محدودیت‌ها Adding a few constraints

• نحوه اتصال گره‌ها با روابط How to connect nodes with relationships

• نحوه به‌روزرسانی گراف How to update your graph

• نحوه تغذیه (Populate) یک گراف How to populate a graph

• نکات مهم در مدل‌سازی گراف برای LLMها What to keep in mind when graph modeling for LLMs

• افزودن نمونه‌ها و حاشیه‌نویسی‌ها Adding instances and annotations

3. تغذیه گراف با داده‌ها 3. Populating Your Graph with Data

• چه داده‌های باز (Open Data) را می‌توان مجدداً استفاده کرد؟ What open data can you reuse?

• از چه داده‌های مولد می‌توان استفاده کرد؟ What generative data can you use?

• از چه داده‌های بسته می‌توان استفاده کرد؟ What closed data can you use?

• تغذیه مدل گراف شما Populating your graph model

• ارجاع و منبع‌یابی Attribution and sourcing

• بررسی منطق داده‌ها Checking your logic

4. زبان GraphML 4. GraphML

• GraphML چیست و چه ابزارهایی وجود دارد؟ GraphML: What is it and what tools are there?

• پرس‌وجوها در داده‌های گرافی Queries in graph data

• GraphML: پیمایش در گراف GraphML: Walking your graph

5. استقرار و پیاده‌سازی 5. Deployment

• راستی‌آزمایی خودکار واقعیت‌ها Automated fact verification

• فراخوانی گراف شما Calling your graph

• نمونه معماری Sample architecture

• راستی‌آزمایی واقعیت‌های مورد مناقشه Disputed fact verification

• حریم خصوصی داده‌ها، اخلاقیات، مقررات و استانداردها Data privacy, ethics, regulations, and standards

• تفکیک و شناسایی موجودیت‌ها (Entity Resolution) Entity resolution

• راستی‌آزمایی خودکار محدودیت‌ها Automated constraint verification

جمع‌بندی Conclusion

• ادامه مسیر با گراف‌های دانش Continuing on with knowledge graphs

• بررسی پروژه نهایی Final project walkthrough

• معرفی پروژه نهایی Final project introduction