唐宇迪·知识图谱实战系列（Python版）视频课程+资料

课程介绍：

知识图谱是一种用于表示和存储知识的结构化数据模型，它可以帮助我们更好地理解和利用海量的信息。知识图谱的应用领域非常广泛，包括搜索引擎、医疗、教育、金融、电商等。如果你想学习知识图谱的核心技术和实战方法，那么这门课程是你的不二之选。

这门课程由唐宇迪老师主讲，他是同济大学硕士，华东理工大学博士，精通机器学习算法，主攻计算机视觉方向，著有《跟着迪哥学Python数据分析与机器学习实战》，线上选课学员30W+，累计开发课程50余门覆盖人工智能热门方向。他的课程风格通俗易懂，擅长用非常接地气的方式讲解复杂的算法问题。

这门课程基于Python各大开源技术，包括Neo4j、Jena、RDF、OWL、SPARQL、Gensim、NLTK、Scrapy等，从零开始，带你一步步构建知识图谱的生态系统。你将学习到知识图谱的基本概念、知识表示方法、知识抽取技术、知识存储与查询技术、知识推理与应用技术等。你还将通过实战项目，掌握如何在搜索引擎、医疗、教育等领域中使用知识图谱，提升用户体验和业务价值。

这门课程适合有一定Python基础，对知识图谱感兴趣，想要提升自己的人工智能技能的同学。课程共有四个模块，分别是知识图谱基础、知识图谱构建、知识图谱应用、知识图谱项目实战，每个模块都有详细的视频讲解和配套的资料和代码。课程总时长约为20小时，你可以根据自己的进度和需求进行学习。

如果你想要成为知识图谱领域的专家，那就不要犹豫，赶快加入这门课程吧！你将收获一份全新的视野和能力，让你在人工智能的浪潮中脱颖而出！

课程截图：

课程目录：

• 资料
• 01课程介绍.mp4
• 02知识图谱通俗解读.mp4
• 03知识图谱在搜索引擎中的应用.mp4
• 04知识图谱在医疗领域应用实例.mp4
• 05金融与推荐领域的应用.mp4
• 06数据获取分析.mp4
• 07数据关系抽取分析.mp4
• 08常用nlp技术点分析.mp4
• 09graph-embedding的作用与效果.mp4
• 10金融领域图编码实例.mp4
• 11视觉领域图编码实例.mp4
• 12图谱知识融合与总结分析.mp4
• 13neo4j图数据库介绍.mp4
• 14neo4j数据库安装流程演示.mp4
• 15可视化例子演示.mp4
• 16创建与删除操作演示.mp4
• 17数据库更改查询操作演示.mp4
• 18使用py2neo建立连接.mp4
• 19提取所需的指标信息.mp4
• 20在图中创建实体.mp4
• 21根据给定实体创建关系.mp4
• 22项目概述与整体架构分析.mp4
• 23医疗数据介绍及其各字段含义.mp4
• 24任务流程概述.mp4
• 25环境配置与所需工具包安装.mp4
• 26提取数据中的关键字段信息.mp4
• 27创建关系边.mp4
• 28打造医疗知识图谱模型.mp4
• 29加载所有实体数据.mp4
• 30实体关键词字典制作.mp4
• 31完成对话系统构建.mp4
• 32关系抽取要完成的任务演示与分析.mp4
• 33ltp工具包概述介绍.mp4
• 34pyltp安装与流程演示.mp4
• 35得到分词与词性标注结果.mp4
• 36依存句法概述.mp4
• 37句法分析结果整理.mp4
• 38语义角色构建与分析.mp4
• 39设计规则完成关系抽取.mp4
• 40竞赛任务目标.mp4
• 41图模型信息提取.mp4
• 42节点权重特征提取(pagerank).mp4
• 43deepwalk构建图顶点特征.mp4
• 44各项统计特征.mp4
• 45app安装特征.mp4
• 46图中联系人特征.mp4
• 47数据与任务介绍.mp4
• 48整体模型架构.mp4
• 49数据-标签-语料库处理.mp4
• 50输入样本填充补齐.mp4
• 51训练网络模型.mp4
• 52医疗数据集（糖尿病）实体识别.mp4
• 53行人重识别要解决的问题.mp4
• 54挑战与困难分析.mp4
• 55评估标准rank1指标.mp4
• 56map值计算方法.mp4
• 57triplet损失计算实例.mp4
• 58hard-negative方法应用.mp4
• 59关键点位置特征构建.mp4
• 60图卷积与匹配的作用.mp4
• 61局部特征热度图计算.mp4
• 62基于图卷积构建人体拓扑关系.mp4
• 63图卷积模块实现方法.mp4
• 64图匹配在行人重识别中的作用.mp4
• 65整体算法框架分析.mp4
• 66数据集与环境配置概述.mp4
• 67局部特征准备方法.mp4
• 68得到一阶段热度图结果.mp4
• 69阶段监督训练.mp4
• 70初始化图卷积模型.mp4
• 71mask矩阵的作用.mp4
• 72邻接矩阵学习与更新.mp4
• 73基于拓扑结构组合关键点特征.mp4
• 74图匹配模块计算流程.mp4
• 75整体项目总结.mp4
• 76rnn网络模型解读.mp4
• 77序列网络模型概述分析.mp4
• 78工作原理概述.mp4
• 79注意力机制的作用.mp4
• 80加入attention的序列模型整体架构.mp4
• 81teacherforcing的作用与训练策略.mp4
• 82卷积神经网络应用领域.mp4
• 83卷积的作用.mp4
• 84卷积特征值计算方法.mp4
• 85得到特征图表示.mp4
• 86步长与卷积核大小对结果的影响.mp4
• 87边缘填充方法.mp4
• 88特征图尺寸计算与参数共享.mp4
• 89池化层的作用.mp4
• 90整体网络架构.mp4
• 91vgg网络架构.mp4
• 92残差网络resnet.mp4
• 93感受野的作用.mp4