唐宇迪知识图谱实战系列(Python版)

课程目录：

适合人群:
人工智能方向的同学们

课程概述:
知识图谱实战系列课程旨在帮助同学们快速掌握知识图谱领域核心技术，基于Python各大开源技术实现知识图谱核心应用。通俗讲解核心技术点及其应用领域，全程实战演示如何构建知识图谱生态中各项核心技术。

课程目录:

章节1:知识图谱介绍及其应用领域分析
课时2视频知识图谱通俗解读07:55
课时3视频知识图谱在搜索引擎中的应用08:08
课时4视频知识图谱在医疗领域应用实例13:24
课时5视频金融与推荐领域的应用08:31
课时6视频数据获取分析10:20
课时7文本课程数据代码下载（需PC登录）

章节2:知识图谱涉及技术点分析
课时8视频数据关系抽取分析08:34
课时9视频常用NLP技术点分析08:26
课时10视频graph-embedding的作用与效果09:37
课时11视频金融领域图编码实例04:30
课时12视频视觉领域图编码实例07:18
课时13视频图谱知识融合与总结分析08:07

章节3:Neo4j数据库实战
课时14视频Neo4j图数据库介绍08:33
课时15视频Neo4j数据库安装流程演示07:09
课时16视频可视化例子演示09:08
课时17视频创建与删除操作演示08:40
课时18视频数据库更改查询操作演示08:35

章节4:使用python操作neo4j实例
课时19视频使用Py2neo建立连接05:55
课时20视频提取所需的指标信息07:57
课时21视频在图中创建实体07:36
课时22视频根据给定实体创建关系08:35

章节5:基于知识图谱的医药问答系统实战
课时23视频项目概述与整体架构分析07:31
课时24视频医疗数据介绍及其各字段含义07:25
课时25视频任务流程概述05:47
课时26视频环境配置与所需工具包安装06:35
课时27视频提取数据中的关键字段信息11:35
课时28视频创建关系边08:17
课时29视频打造医疗知识图谱模型10:54
课时30视频加载所有实体数据06:52
课时31视频实体关键词字典制作08:36
课时32视频完成对话系统构建09:02

章节6:文本关系抽取实践
课时33视频关系抽取要完成的任务演示与分析05:07
课时34视频LTP工具包概述介绍08:33
课时35视频pyltp安装与流程演示07:16
课时36视频得到分词与词性标注结果06:41
课时37视频依存句法概述05:46
课时38视频句法分析结果整理09:12
课时39视频语义角色构建与分析11:00
课时40视频设计规则完成关系抽取09:23

章节7:金融平台风控模型实践
课时41视频竞赛任务目标05:36
课时42视频图模型信息提取08:58
课时43视频节点权重特征提取(PageRank)10:22
课时44视频deepwalk构建图顶点特征10:33
课时45视频各项统计特征06:43
课时46视频app安装特征06:28
课时47视频图中联系人特征06:54

章节8:医学糖尿病数据命名实体识别
课时48视频数据与任务介绍07:03
课时49视频整体模型架构04:48
课时50视频数据-标签-语料库处理10:15
课时51视频输入样本填充补齐09:24
课时52视频训练网络模型10:00
课时53视频医疗数据集（糖尿病）实体识别09:57

章节9:基于图模型的行人重识别架构分析
课时54视频行人重识别要解决的问题06:00
课时55视频挑战与困难分析12:14
课时56视频评估标准rank1指标04:03
课时57视频map值计算方法05:42
课时58视频triplet损失计算实例09:40
课时59视频Hard-Negative方法应用09:28
课时60视频关键点位置特征构建06:52
课时61视频图卷积与匹配的作用07:51
课时62视频局部特征热度图计算08:39
课时63视频基于图卷积构建人体拓扑关系10:10
课时64视频图卷积模块实现方法08:56
课时65视频图匹配在行人重识别中的作用05:51
课时66视频整体算法框架分析08:09

章节10:基于拓扑图的行人重识别项目实战
课时67视频数据集与环境配置概述08:02
课时68视频局部特征准备方法07:28
课时69视频得到一阶段热度图结果08:54
课时70视频阶段监督训练13:24
课时71视频初始化图卷积模型10:25
课时72视频mask矩阵的作用07:05
课时73视频邻接矩阵学习与更新10:20
课时74视频基于拓扑结构组合关键点特征12:32
课时75视频图匹配模块计算流程13:57
课时76视频整体项目总结08:56

章节11:基础补充-RNN与序列网络架构分析
课时77视频RNN网络模型解读11:52
课时78视频序列网络模型概述分析08:57
课时79视频工作原理概述03:51
课时80视频注意力机制的作用06:00
课时81视频加入attention的序列模型整体架构09:23
课时82视频TeacherForcing的作用与训练策略07:11

章节12:算法补充-卷积神经网络原理与参数解读
课时83视频卷积神经网络应用领域07:24
课时84视频卷积的作用09:23
课时85视频卷积特征值计算方法08:07
课时86视频得到特征图表示06:58
课时87视频步长与卷积核大小对结果的影响08:11
课时88视频边缘填充方法06:30
课时89视频特征图尺寸计算与参数共享07:02
课时90视频池化层的作用05:38
课时91视频整体网络架构06:20
课时92视频VGG网络架构06:16
课时93视频残差网络Resnet07:41
课时94视频感受野的作用05:64