لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آشنایی با گرافهای دانش احتمالی: استنتاج مبتنی بر هوش مصنوعی و کاربردهای واقعی
- آخرین آپدیت
دانلود Introduction to Probabilistic Knowledge Graphs: AI-Driven Inference and Real-World Applications
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
گرافهای دانش احتمالی (PKGs) در حال متحول کردن روش ساختاردهی و تحلیل دادهها در هوش مصنوعی و یادگیری ماشین هستند. در این دوره، وایبها لاکشمی راویدشیک، مهندس هوش مصنوعی و نویسنده، مفاهیم بنیادی گرافهای دانش را معرفی کرده و نشان میدهد که چگونه تئوری احتمالات به مدیریت عدم قطعیت در دادهها کمک میکند. از طریق مثالهای عملی، بیاموزید که چگونه PKGها را بسازید، استدلالهای احتمالی را ادغام کنید و تکنیکهای استنتاجی مانند مونت کارلو زنجیره مارکوف (MCMC) را به کار بگیرید. کاربردهای واقعی در تصمیمگیری، ارزیابی ریسک و مدلسازی پیشبینانه را بررسی کرده و بینشهایی در مورد چالشهای مقیاسپذیری و روندهای نوظهور که آینده PKGها را شکل میدهند، کسب کنید.
سرفصل ها و درس ها
مقدمه
Introduction
ورود به دنیای گرافهای دانش احتمالی
Diving into the world of probabilistic knowledge graphs
1. گرافهای دانش چیستند؟
1. What Are Knowledge Graphs?
چرا گرافهای دانش برای هوش مصنوعی ضروری هستند؟
Why knowledge graphs for AI?
پیادهسازی ساده گراف دانش، بخش اول
Simple KG implementation, part I
خلاصه: مبانی گرافهای دانش
Summary: Basics of knowledge graphs
پیادهسازی ساده گراف دانش، بخش دوم
Simple KG implementation, part 2
گراف دانش در دنیای واقعی ۲: DBpedia
Real-world KG II: DBpedia
پیادهسازی گراف دانش مبتنی بر LLM، بخش اول
LLM-based KG implementation, part 1
گرافهای دانش (KGs) چیستند؟
What are knowledge graphs (KGs)?
گراف دانش در دنیای واقعی ۱: گراف دانش گوگل
Real-world KG I: Google's knowledge graph
پیادهسازی گراف دانش مبتنی بر LLM، بخش دوم
LLM-based KG implementation, part 2
اجزای اصلی یک گراف دانش
Core components of a knowledge graph
2. نمای کلی مفاهیم احتمال
2. Overview of Probability Concepts
از نمونهبرداری تا سطح اطمینان
From sampling to confidence
احتمال شرطی و قضیه بیز
Conditional probability and Bayes' Theorem
یالهای جهتدار و جریان تأثیر
Directed edges and influence flow
مبانی برنامهنویسی Pyro، بخش دوم
Basics of Pyro programming, part 2
مبانی برنامهنویسی Pyro، بخش اول
Basics of Pyro programming, part 1
الگوریتم متروپولیس-هستینگز
The Metropolis-Hastings algorithm
شبکههای بیزی
Bayesian networks
مونت کارلو همیلتونی (HMC)
Hamiltonian Monte Carlo (HMC)
مبانی مدلسازی احتمالی برای PKGها
Probabilistic modeling basics for PKGs
متغیرهای تصادفی و توزیعها
Random variables and distributions
روش MCMC و شهود ریاضی آن
MCMC and intuition
امید ریاضی و واریانس
Expectation and variance
نمونهبردار بدون چرخش (NUTS)
No-U-Turn Sampler (NUTS)
ضرورت استفاده از MCMC
The urge for MCMC
پایههای تئوری احتمالات
Foundations of probability theory
جمعبندی مفاهیم احتمالی برای گرافهای دانش
A wrap-up on probabilistic concepts for knowledge graphs
3. معرفی عدم قطعیت در گرافهای دانش
3. Introducing Uncertainty in Knowledge Graphs
ریسکهای نادیده گرفتن عدم قطعیت
Risks of ignoring uncertainty
جمعبندی مبحث عدم قطعیت
A wrap-up on uncertainty
عدم قطعیت: دلیلی که PKGها را میسازیم
Uncertainty: The reason we build PKGs
منابع ایجاد عدم قطعیت
Sources of uncertainty
مثال: عدم قطعیت در گراف دانش پزشکی
Example: Uncertainty in a medical KG
اطمینان و منشاء دادهها
Confidence and provenance
ساخت گرافهای دانش احتمالی، بخش دوم
Building probabilistic KGs, part 2
ساخت گرافهای دانش احتمالی، بخش اول
Building probabilistic KGs, part 1
4. منابع داده و روشهای جمعآوری
4. Data Sources and Collection Methods
دادههای بدون ساختار برای PKGها
Unstructured data for PKGs
محدودیتهای دادههای بدون ساختار
Limitations of unstructured data
مثال واقعی: دادههای ساختاریافته
Real-world example: Structured data
الگوی نمونه هستیشناسی (Ontology)
Example ontology template
محدودیتهای دادههای ساختاریافته
Limitations of structured data
منابع ساختاریافته رایج
Typical structured sources
طراحی شمای گراف
Graph schema design
جمعبندی انواع دادهها برای PKGها
Wrapping up data types for PKGs
دادههای ساختاریافته برای PKGها
Structured data for PKGs
مثال: استخراج متون زیستپزشکی
Example: Biomedical literature mining
5. استنتاج با استفاده از PKGها
5. Inferencing with PKGs
منطق احتمالی نرم (PSL)
PSL
PKG بیزی با استفاده از جاسازیهای گراف (Embeddings)
Bayesian PKG using KG embeddings
استنتاج بیزی با استفاده از Pyro، بخش سوم
Bayesian inference using Pyro, part 3
وایبها سفیر Qdrant و کاندیدای اخترنورد R&D در Titans Space است. او نویسنده کتاب نقشهبرداری از کیهان: سفر هوش مصنوعی فراتر از زمین است، دارای مدرک کارشناسی ارشد علوم داده از مدرسه تحصیلات تکمیلی راکهام در دانشگاه میشیگان است و در حال حاضر به عنوان همکار در مؤسسه آلن تورینگ فعالیت میکند.
نمایش نظرات