[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"meeting-detail:OFM20200602_74367228":3},{"member":4,"info":5,"hall":31,"files":32,"extendInfo":33,"descriptions":44,"sponsors":57},null,{"hadFav":6,"id":7,"companyunicode":8,"companyName":9,"companyLogo":10,"huanxinId":11,"memberCode":11,"unicode":12,"title":13,"industryId":14,"industryName":15,"industryPId":4,"industryPName":4,"beginTime":16,"endTime":17,"pic":18,"createTime":19,"continentId":20,"continentName":21,"countryId":22,"countryName":23,"stateId":24,"stateName":25,"cityId":26,"cityName":25,"regionId":27,"regionName":4,"liveFlag":28,"liveingFlag":28,"livebackFlag":28,"thriddUrl":29,"introduction":29,"tags":29,"numSponsor":6,"numCanguan":6,"status":6,"openStatus":30,"offLineRemark":29},0,"1267716562651095040","ci67fdmkbnogt","广州立佳信科技有限责任公司","https:\u002F\u002Foss-images6396289.yzdli.com\u002F3620375967\u002F1ftirt8q0e\u002F20200602111616.png","3620375967","OFM20200602_74367228","2020人工智能-知识图谱核心技术与应用培训班（9月北京班）","1247717923910332416","IT互联网","2020-09-27 08:00:00","2020-09-30 18:00:00","https:\u002F\u002Foss-images6396289.yzdli.com\u002F4674282192\u002F1hdoserw323\u002F8tphw_004l84e9o.png","2020-06-30 17:29:58",2001,"亚洲",44,"中国",4035,"北京市",10919,20000,1,"",3,{"title":13,"continentId":20,"countryId":22,"stateId":24,"cityId":26,"regionId":27,"address":29,"square":29,"pic":29},[],{"room":29,"companyName":34,"companyContinent":35,"companyCountry":6,"companyState":36,"companyCity":37,"companyRegion":27,"companyAddress":38,"companyLink":29,"contact":39,"contactPhonearea":40,"contactPhone":41,"contactEmail":42,"contactWeixin":29,"unitZhuban":43,"unitZhichi":29,"unitChengban":29,"unitXieban":29,"companyContinentName":4,"companyCountryName":4,"companyStateName":4,"companyCityName":4,"companyRegionName":4},"云展动力",2000,4000,10000,"暂无数据","小云","+86","18613156098","2059252119@qq.com","中国信息化人才培训中心",[45,48,51,54],{"descKey":46,"descValue":47},"info","\u003Cdiv style=\"font-weight: 300; line-height: 36px; font-size: 18px;\" > \u003Cdiv style=\"text-align:center\" >\u003Cimg src=\"https:\u002F\u002Fimages6396289.oss-cn-shenzhen.aliyuncs.com\u002F3620375967\u002F00ssdfwr558\u002Fgp36n_251mrgzi2.jpg\" alt=\"2020人工智能-知识图谱核心技术与应用培训班（9月北京班）\">\u003C\u002Fdiv> \n\u003Cp style=\"text-align: center;font-size: 12px;\">2020人工智能-知识图谱核心技术与应用培训班（9月北京班）宣传图\u003C\u002Fp> \n\u003Cdiv class=\"new_content\"> \n \u003Cdiv class=\"con_box\"> \n  \u003Ctable border=\"1\" cellspacing=\"0\"> \n   \u003Ctbody> \n    \u003Ctr> \n     \u003Ctd> \u003Cp>地点\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>上海\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>广州\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>杭州\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>北京\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>深圳\u003C\u002Fp> \u003C\u002Ftd> \n    \u003C\u002Ftr> \n    \u003Ctr> \n     \u003Ctd> \u003Cp>时间\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>4月26-29\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>5月24-27\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>07月26-29\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>9月27-30\u003C\u002Fp> \u003C\u002Ftd> \n     \u003Ctd> \u003Cp>12月22-25\u003C\u002Fp> \u003C\u002Ftd> \n    \u003C\u002Ftr> \n   \u003C\u002Ftbody> \n  \u003C\u002Ftable> \n  \u003Cp> \u003C\u002Fp> \n  \u003Cp>\u003Cstrong>课程介绍\u003C\u002Fstrong>\u003C\u002Fp> \n  \u003Cp>人工智能（AI）是新一轮科技革命和产业变革的核心驱动力，将深刻改变人类社会生活，改变世界，对于实现社会生产力新跃升，提高综合国力和国际竞争力具有重要意义。知识图谱是人工智能技术的重要组成部分， 是AI分支符号主义在新时期主要的落地技术方式。它以其强大的语义处理能力和开放组织能力，为互联网时代的知识化组织和智能应用奠定了基础。自2012年谷歌在提出知识图谱概念以来，国内外大规模知识图谱的研究不断深入，并广泛应用于知识融合、语义搜索和推荐、问答和对话系统、大数据分析与决策等方面，应用领域覆盖金融、制造、政府、电信、电商、客服、零售、娱乐、医疗、农业、出版、保险、知识服务、教育等行业。\u003C\u002Fp> \n  \u003Cp>为了贯彻落实国务院印发的“新一代人工智能发展规划”精神，推广人工智能与知识图谱技术的应用，中国信息化人才培训中心决定举办 “人工智能-知识图谱核心技术与应用培训班”。本次培训班由北京天博信通科技有限公司具体承办，现将有关事宜通知如下：\u003C\u002Fp> \n  \u003Cp>\u003Cstrong>培训方式\u003C\u002Fstrong>\u003C\u002Fp> \n  \u003Cp>本培训班重视技术基础，强调实际应用，采用技术原理与实际应用相结合的方式进行教学。 通过展示教师的实际科研成果，讲述人工智能与知识图谱的技术原理与应用系统开发方法、知识图谱系统开发工具使用方法。使学员掌握知识图谱基础与专门知识，获得较强的知识图谱应用系统的分析、设计、实现能力。\u003C\u002Fp> \n  \u003Cp>参加培训的学员需带笔记本电脑，配置为： Windows 10（或windows 7）操作系统、jdk-8u191-windows-x64、8G以上内存、256G以上硬盘。\u003C\u002Fp> \n  \u003Cp>实验软件为： 图数据库： neo4j 3.5社区版；\u003C\u002Fp> \n  \u003Cp>    深度学习开发环境：Anaconda Anaconda 3-5.3（含Tensorflow与keras）。\u003C\u002Fp> \n  \u003Cp>\u003Cstrong>培训对象\u003C\u002Fstrong>\u003C\u002Fp> \n  \u003Cp>1、政府、企业、学校IT相关技术人员；高校相关专业硕士、博士研究生。\u003C\u002Fp> \n  \u003Cp>2、企业技术总监及相关管理人员。\u003C\u002Fp> \n  \u003Cp>3、人工智能与知识图谱系统架构师、设计与编程人员。\u003C\u002Fp> \n  \u003Cp>4、对知识图谱技术感兴趣的其他人员。\u003C\u002Fp> \n  \u003Cp>\u003Cstrong>颁发证书  \u003C\u002Fstrong>\u003C\u002Fp> \n  \u003Cp>参加相关培训并通过考试的学员，可以获得：\u003C\u002Fp> \n  \u003Cp>工业和信息化部全国网络与信息技术考试管理中心颁发的《人工智能职业技能证书》（等级高级）。该证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。\u003C\u002Fp> \n  \u003Cp>注：请学员带二寸彩照2张（背面注明姓名）、身份证复印件一张。\u003C\u002Fp> \n \u003C\u002Fdiv> \n  \n\u003C\u002Fdiv>\u003C\u002Fdiv>",{"descKey":49,"descValue":50},"person","\u003Cdiv style=\"font-weight: 300; line-height: 36px; font-size: 18px;\" > \u003Cdiv class=\"guest_content\"> \n \u003Cdiv class=\"con_box\"> \n  \u003Cp>主讲教授  \u003C\u002Fp>\n  \u003Cp>张老师，博士毕业于西安交通大学，现为某大学计算机学院2级教授，博士生导师，陕西省XXX专家组专家。曾任陕西省信息化专家组专家、陕西省制造业信息化专家组专家、中国计算机学会服务计算专委会委员、信息系统专委会委员，计算机学院副院长、计算机科学与技术学科带头人。主持完成科研项目30项（其中国家863课题6项）；参编出版教材5部。作为第二作者参编了国家95规划教材《人工智能基础》(电子工业出版社，2000年) 。曾获省部级科技进步奖8项，其中“神经网络专家系统及其应用”获机械工业部科技进步三等奖（1996）。累计培养已毕业博士研究生24人，硕士研究生132人。\u003C\u002Fp>\n  \u003Cp>1985年以来，主要从事人工智能、因特信息网方面的教学与研究，进行过多个实用人工智能系统、网络与信息系统的规划、设计与开发。2010年以来，主要从事人工智能、云计算、大数据与深度学习方面的研究与教学。\u003C\u002Fp> \n \u003C\u002Fdiv> \n  \n\u003C\u002Fdiv>\u003C\u002Fdiv>",{"descKey":52,"descValue":53},"richeng","\u003Cdiv style=\"font-weight: 300; line-height: 36px; font-size: 18px;\" > \u003Cdiv class=\"new_content\"> \n \u003Cdiv class=\"con_box\"> \n  \u003Cp>培训内容\u003C\u002Fp>\n  \u003Ctable border=\"1\" cellspacing=\"0\">\n   \u003Ctbody>\n    \u003Ctr>\n     \u003Ctd rowspan=\"3\">\u003Cp>第一天\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>第一讲 人工智能概述\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>1.1　人工智能（AI）概念\u003C\u002Fp>\u003Cp>1.２　AI研究的主要技术问题\u003C\u002Fp>\u003Cp>1.３　AI的主要学派\u003C\u002Fp>\u003Cp>1.４　AI十大应用案例\u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd>\u003Cp>第二讲 知识图谱概述\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>2.1  知识图谱（KG）概念\u003C\u002Fp>\u003Cp>2.2  知识图谱的起源与发展\u003C\u002Fp>\u003Cp>2.3  典型知识图谱项目简介\u003C\u002Fp>\u003Cp>2.4  知识图谱技术概述\u003C\u002Fp>\u003Cp>2.5  知识图谱典型应用\u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd>\u003Cp>第三讲 知识表示\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>3.1 基于符号主义的知识表示概述\u003C\u002Fp>\u003Cp>3.1.1 谓词逻辑表示法\u003C\u002Fp>\u003Cp>3.1.2 产生式系统表示法\u003C\u002Fp>\u003Cp>3.1.3 语义网络表示法\u003C\u002Fp>\u003Cp>3.2 知识图谱的知识表示\u003C\u002Fp>\u003Cp>3.2.1 本体论概念\u003C\u002Fp>\u003Cp>3.2.2  RDF和RDFS\u003C\u002Fp>\u003Cp>3.2.3. OWL和OWL2   \u003C\u002Fp>\u003Cp>3.3.4  Json与Json-LD\u003C\u002Fp>\u003Cp>3.3.5  RDFa、HTML5 、MicroData\u003C\u002Fp>\u003Cp>  3.3.6  SPARQL查询语言   \u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd>\u003Cp>第二天\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>第四讲 知识图谱核心基础技术（一）\u003C\u002Fp>\u003Cp>神经网络与深度学习\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>4.1 神经网络基本原理\u003C\u002Fp>\u003Cp>4.2 神经网络应用举例\u003C\u002Fp>\u003Cp>4.3 深度学习概述\u003C\u002Fp>\u003Cp>4.4主流深度学习框架\u003C\u002Fp>\u003Cp>4.4.1 TesorFlow \u002F Keras（安装与运行）\u003C\u002Fp>\u003Cp>4.4.2 Caffe\u003C\u002Fp>\u003Cp>4.5　卷积神经网络（CNN）\u003C\u002Fp>\u003Cp>4.5.1  CNN简介\u003C\u002Fp>\u003Cp>4.5.2  CNN关键技术: 局部感知、卷积、池化、CNN训练\u003C\u002Fp>\u003Cp>4.5.3 典型卷积神经网络结构\u003C\u002Fp>\u003Cp>4.5.4 深度残差网络\u003C\u002Fp>\u003Cp>4.5.5 案例：利用CNN进行时装识别\u003C\u002Fp>\u003Cp>4.5.6 案例：利用CNN进行手写数字识别\u003C\u002Fp>\u003Cp>上机实践：基于卷积神经网络的手写体数字识别\u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd>\u003Cp>\u003Cbr>\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>第五讲 知识图谱核心基础技术（二）\u003C\u002Fp>\u003Cp> 基于深度学习的自然语言处理\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>5.1 循环神经网络（RNN）概述\u003C\u002Fp>\u003Cp>5.2  基本RNN  \u003C\u002Fp>\u003Cp>5.3  长短时记忆模型(LSTM)\u003C\u002Fp>\u003Cp>5.4  门控循环单元（GRU）\u003C\u002Fp>\u003Cp>5.5  基于TensorFlow的自然语言处理\u003C\u002Fp>\u003Cp>   5.5.2 自然语言处理处理概述\u003C\u002Fp>\u003Cp>   5.5.1 文本向量化（vectorize）\u003C\u002Fp>\u003Cp>   5.5.1.1 one-hot编码\u003C\u002Fp>\u003Cp>   5.5.1.2词嵌入（word embedding）概念\u003C\u002Fp>\u003Cp>   5.5.1.3词嵌入（word embedding）主要算法\u003C\u002Fp>\u003Cp>   5.5.1.4 TensorFlow\u002FKeras的嵌入层实现\u003C\u002Fp>\u003Cp>  上机实践：基于循环神经网络的情感识别\u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd rowspan=\"3\">\u003Cp> 第三天\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>第六讲  知识抽取与融合\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>6.1  知识抽取基本方法\u003C\u002Fp>\u003Cp>6.1.1  实体识别方法\u003C\u002Fp>\u003Cp>6.1.2  关系抽取方法\u003C\u002Fp>\u003Cp>6.1.3  事件抽取方法\u003C\u002Fp>\u003Cp>6.2 面向结构化数据的知识抽取\u003C\u002Fp>\u003Cp>6.2.1 D2RQ     \u003C\u002Fp>\u003Cp>6.2.2 R2RML\u003C\u002Fp>\u003Cp>6.3  面向半结构化数据的知识抽取\u003C\u002Fp>\u003Cp>  6.3.1 基于正则表达式的方法  \u003C\u002Fp>\u003Cp>6.3.2 基于包装器的方法\u003C\u002Fp>\u003Cp>6.4. 面向非结构化数据的知识抽取\u003C\u002Fp>\u003Cp> 6.4.1 基于规则的实体识别\u003Cbr>  6.4.2 基于深度学习的实体识别\u003C\u002Fp>\u003Cp>6.4.3 基于模板的关系抽取\u003Cbr>  6.4.4 基于深度学习的关系抽取\u003Cbr>6.5   实体消歧与链接\u003C\u002Fp>\u003Cp>6.5.1实体消歧\u003C\u002Fp>\u003Cp>6.5.2 实体链接\u003C\u002Fp>\u003Cp>6.6  知识融合\u003C\u002Fp>\u003Cp>6.6.1 框架匹配\u003Cbr>  6.6.2 实体对齐\u003Cbr>  6.6.3 冲突检测与消解\u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd>\u003Cp>第七讲 存储与检索\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>7.1 知识图谱的存储与检索简介\u003C\u002Fp>\u003Cp>7.2 知识图谱的存储\u003C\u002Fp>\u003Cp>  7.2.1  基于表结构的存储\u003Cbr> 7.2.2 基于图结构的存储\u003Cbr>7.3 大规模知识图谱存储解决方案\u003C\u002Fp>\u003Cp>7.4 属性图数据库 NEO4J\u003C\u002Fp>\u003Cp>7.5 知识图谱的检索\u003C\u002Fp>\u003Cp>上机实践：利用NEO4J进行知识图谱存储与检索\u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n     \u003Ctd>\u003Cp>第八讲 知识图谱案例\u003C\u002Fp>\u003C\u002Ftd>\n     \u003Ctd>\u003Cp>8.1 金融风险防范知识图谱构建\u003C\u002Fp>\u003Cp>8.2 知识问答系统构建   \u003C\u002Fp>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n   \u003C\u002Ftbody>\n  \u003C\u002Ftable> \n \u003C\u002Fdiv> \n  \n \u003C!--主办方介绍--> \n \u003C!--主办方介绍--> \n \u003C!--场馆介绍--> \n \u003C!--场馆介绍--> \n\u003C\u002Fdiv>\u003C\u002Fdiv>",{"descKey":55,"descValue":56},"prices","\u003Cdiv style=\"font-weight: 300; line-height: 36px; font-size: 18px;\" > \u003Cdiv class=\"new_content\"> \n \u003Cdiv class=\"con_box\"> \n  \u003Ctable border=\"1\" cellpadding=\"1\" cellspacing=\"1\" style=\"width:850px\"> \n   \u003Ctbody> \n    \u003Ctr> \n     \u003Ctd>\u003Cstrong>票种名称\u003C\u002Fstrong>\u003C\u002Ftd> \n     \u003Ctd>\u003Cstrong>价格\u003C\u002Fstrong>\u003C\u002Ftd> \n     \u003Ctd>\u003Cstrong>原价\u003C\u002Fstrong>\u003C\u002Ftd> \n     \u003Ctd>\u003Cstrong>票价说明\u003C\u002Fstrong>\u003C\u002Ftd> \n    \u003C\u002Ftr> \n    \u003Ctr> \n     \u003Ctd>会务费\u003C\u002Ftd> \n     \u003Ctd>¥7800\u003C\u002Ftd> \n     \u003Ctd>¥7800\u003C\u002Ftd> \n     \u003Ctd>  培训费 7800元\u002F人（含培训、教材、午餐、场地、证书、学习用品费等）。 需要住宿学员请提前通知，可统一安排，费用自理。\u003C\u002Ftd> \n    \u003C\u002Ftr> \n   \u003C\u002Ftbody> \n  \u003C\u002Ftable> \n \u003C\u002Fdiv> \n  \n\u003C\u002Fdiv>\u003C\u002Fdiv>",[]]