آموزش آشنایی با گراف‌های دانش (Knowledge Graphs) - آخرین آپدیت

دانلود Introduction to Knowledge Graphs

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های هوش مصنوعی اغلب در بهره‌برداری از روابط پیچیده پنهان در مجموعه‌داده‌های مجزا با مشکل مواجه هستند، که این امر توانایی آن‌ها را در استدلال، توضیح تصمیمات و ارائه نتایج واقعاً هوشمند محدود می‌کند. در این دوره آموزشی با عنوان «آشنایی با گراف‌های دانش»، شما توانایی درک، ارزیابی و به‌کارگیری مفاهیم گراف دانش را برای حل مسائل دنیای واقعی در هوش مصنوعی کسب خواهید کرد. ابتدا بررسی می‌کنید که گراف‌های دانش چگونه اطلاعات را از طریق موجودیت‌ها، روابط و ساختارهای گرافی مانند سه‌تایی‌های RDF نمایش می‌دهند. سپس، خواهید دید که چگونه هستی‌شناسی‌ها (Ontologies) و طرح‌واره‌ها (Schemas) ساختار معنایی ایجاد کرده و استدلال و interoperability (تبادل‌پذیری) را ممکن می‌سازند. در نهایت، یاد می‌گیرید که کاربردهای گراف دانش را در صنایع مختلف ارزیابی کرده و در اکوسیستم استانداردها، ابزارها و بهترین روش‌ها پیمایش کنید. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم درباره گراف‌های دانش را خواهید داشت تا تصمیمات آگاهانه‌ای در مورد زمان و نحوه استفاده از آن‌ها در سیستم‌های هوش مصنوعی خود بگیرید.

سرفصل ها و درس ها

گراف‌های دانش چیستند؟ What are knowledge graphs?

  • معرفی دوره Course introduction

  • گراف دانش چیست؟ What is a knowledge graph?

  • مقایسه گراف‌های دانش با سایر ساختارهای داده How knowledge graphs compare to other data structures

  • از وب معنایی تا هوش مصنوعی مدرن From the Semantic Web to modern AI

  • گراف‌های دانش مهمی که باید بشناسید Major knowledge graphs you should know

  • گره‌ها، یال‌ها و ویژگی‌ها Nodes, edges, and properties

  • مدل سه‌تایی RDF The RDF triple model

  • مدل‌سازی روابط پیچیده Modeling complex relationships

  • گراف‌ها در مقابل جداول، اسناد و درخت‌ها Graphs vs. tables, documents, and trees

بررسی طرح‌واره‌ها، هستی‌شناسی‌ها و سازماندهی دانش Examine schemas, ontologies, and knowledge organization

  • هستی‌شناسی‌ها (Ontologies) چیستند؟ What are ontologies?

  • مفاهیم طرح‌واره: کلاس‌ها، ویژگی‌ها، دامنه‌ها و بردها Schema concepts - classes, properties, domains, and ranges

  • بررسی RDFS، OWL و SKOS RDFS, OWL, and SKOS

  • استدلال، اعتبارسنجی و تبادل‌پذیری Reasoning, validation, and interoperability

ارزیابی موارد استفاده و کاربردهای گراف‌های دانش Evaluate use cases and applications of knowledge graphs

  • بهبود جستجو، سیستم‌های توصیه‌گر و پاسخ به سوالات Powering search, recommendations, and question answering

  • کاربرد گراف‌های دانش در صنایع مختلف Knowledge graphs across industries

  • یکپارچه‌سازی داده‌ها، جستجوی معنایی و هوش مصنوعی قابل توضیح (XAI) Data integration, semantic search, and explainable AI

  • محدودیت‌ها و چالش‌ها Limitations and challenges

بررسی اکوسیستم و استانداردهای گراف دانش Explore the knowledge graph ecosystem and standards

  • استانداردهای اصلی Core standards

  • اصول داده‌های متصل (Linked Data) Linked data principles

  • پلتفرم‌ها، ابزارها و انجمن‌ها Platforms, tools, and communities

  • طراحی صحیح گراف‌های دانش Designing knowledge graphs the right way

نمایش نظرات

آموزش آشنایی با گراف‌های دانش (Knowledge Graphs)
جزییات دوره
59m
21
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
11
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.