课程目录
1-1 [知识图谱介绍及其应用领域分析] 课程介绍 (09:40) 1-2 [知识图谱介绍及其应用领域分析] 知识图谱通俗解读 (07:55) 1-3 [知识图谱介绍及其应用领域分析] 知识图谱在搜索引擎中的应用 (08:08) 1-4 [知识图谱介绍及其应用领域分析] 知识图谱在医疗领域应用实例 (13:24) 1-5 [知识图谱介绍及其应用领域分析] 金融与推荐领域的应用 (08:31) 1-6 [知识图谱介绍及其应用领域分析] 数据获取分析 (10:20) 2-1 [知识图谱涉及技术点分析] 数据关系抽取分析 (08:34) 2-2 [知识图谱涉及技术点分析] 常用NLP技术点分析 (08:26) 2-3 [知识图谱涉及技术点分析] graph-embedding的作用与效果 (09:37) 2-4 [知识图谱涉及技术点分析] 金融领域图编码实例 (04:30) 2-5 [知识图谱涉及技术点分析] 视觉领域图编码实例 (07:18) 2-6 [知识图谱涉及技术点分析] 图谱知识融合与总结分析 (08:07) 3-1 [Neo4j数据库实战] Neo4j图数据库介绍 (08:33) 3-2 [Neo4j数据库实战] Neo4j数据库安装流程演示 (07:09) 3-3 [Neo4j数据库实战] 可视化例子演示 (09:08) 3-4 [Neo4j数据库实战] 创建与删除操作演示 (08:40) 3-5 [Neo4j数据库实战] 数据库更改查询操作演示 (08:35) 4-1 [使用python操作neo4j实例] 使用Py2neo建立连接 (05:55) 4-2 [使用python操作neo4j实例] 提取所需的指标信息 (07:57) 4-3 [使用python操作neo4j实例] 在图中创建实体 (07:36) 4-4 [使用python操作neo4j实例] 根据给定实体创建关系 (08:35) 5-1 [基于知识图谱的医药问答系统实战] 项目概述与整体架构分析 (07:31) 5-2 [基于知识图谱的医药问答系统实战] 医疗数据介绍及其各字段含义 (07:25) 5-3 [基于知识图谱的医药问答系统实战] 任务流程概述 (05:47) 5-4 [基于知识图谱的医药问答系统实战] 环境配置与所需工具包安装 (06:35) 5-5 [基于知识图谱的医药问答系统实战] 提取数据中的关键字段信息 (11:35) 5-6 [基于知识图谱的医药问答系统实战] 创建关系边 (08:17) 5-7 [基于知识图谱的医药问答系统实战] 打造医疗知识图谱模型 (10:54) 5-8 [基于知识图谱的医药问答系统实战] 加载所有实体数据 (06:52) 5-9 [基于知识图谱的医药问答系统实战] 实体关键词字典制作 (08:36) 5-10 [基于知识图谱的医药问答系统实战] 完成对话系统构建 (09:02) 6-1 [文本关系抽取实践] 关系抽取要完成的任务演示与分析 (05:07) 6-2 [文本关系抽取实践] LTP工具包概述介绍 (08:33) 6-3 [文本关系抽取实践] pyltp安装与流程演示 (07:16) 6-4 [文本关系抽取实践] 得到分词与词性标注结果 (06:41) 6-5 [文本关系抽取实践] 依存句法概述 (05:46) 6-6 [文本关系抽取实践] 句法分析结果整理 (09:12) 6-7 [文本关系抽取实践] 语义角色构建与分析 (11:00) 6-8 [文本关系抽取实践] 设计规则完成关系抽取 (09:23) 7-1 [金融平台风控模型实践] 竞赛任务目标 (05:36) 7-2 [金融平台风控模型实践] 图模型信息提取 (08:58) 7-3 [金融平台风控模型实践] 节点权重特征提取(PageRank) (10:22) 7-4 [金融平台风控模型实践] deepwalk构建图顶点特征 (10:33) 7-5 [金融平台风控模型实践] 各项统计特征 (06:43) 7-6 [金融平台风控模型实践] app安装特征 (06:28) 7-7 [金融平台风控模型实践] 图中联系人特征 (06:54) 8-1 [医学糖尿病数据命名实体识别] 数据与任务介绍 (07:03) 8-2 [医学糖尿病数据命名实体识别] 整体模型架构 (04:48) 8-3 [医学糖尿病数据命名实体识别] 数据-标签-语料库处理 (10:15) 8-4 [医学糖尿病数据命名实体识别] 输入样本填充补齐 (09:24) 8-5 [医学糖尿病数据命名实体识别] 训练网络模型 (10:00) 8-6 [医学糖尿病数据命名实体识别] 医疗数据集（糖尿病）实体识别 (09:57) 9-1 [基于图模型的行人重识别架构分析] 行人重识别要解决的问题 (06:00) 9-2 [基于图模型的行人重识别架构分析] 挑战与困难分析 (12:14) 9-3 [基于图模型的行人重识别架构分析] 评估标准rank1指标 (04:03) 9-4 [基于图模型的行人重识别架构分析] map值计算方法 (05:42) 9-5 [基于图模型的行人重识别架构分析] triplet损失计算实例 (09:40) 9-6 [基于图模型的行人重识别架构分析] Hard-Negative方法应用 (09:28) 9-7 [基于图模型的行人重识别架构分析] 关键点位置特征构建 (06:52) 9-8 [基于图模型的行人重识别架构分析] 图卷积与匹配的作用 (07:51) 9-9 [基于图模型的行人重识别架构分析] 局部特征热度图计算 (08:39) 9-10 [基于图模型的行人重识别架构分析] 基于图卷积构建人体拓扑关系 (10:10) 9-11 [基于图模型的行人重识别架构分析] 图卷积模块实现方法 (08:56) 9-12 [基于图模型的行人重识别架构分析] 图匹配在行人重识别中的作用 (05:51) 9-13 [基于图模型的行人重识别架构分析] 整体算法框架分析 (08:09) 10-1 [基于拓扑图的行人重识别项目实战] 数据集与环境配置概述 (08:02) 10-2 [基于拓扑图的行人重识别项目实战] 局部特征准备方法 (07:28) 10-3 [基于拓扑图的行人重识别项目实战] 得到一阶段热度图结果 (08:54) 10-4 [基于拓扑图的行人重识别项目实战] 阶段监督训练 (13:24) 10-5 [基于拓扑图的行人重识别项目实战] 初始化图卷积模型 (10:25) 10-6 [基于拓扑图的行人重识别项目实战] mask矩阵的作用 (07:05) 10-7 [基于拓扑图的行人重识别项目实战] 邻接矩阵学习与更新 (10:20) 10-8 [基于拓扑图的行人重识别项目实战] 基于拓扑结构组合关键点特征 (12:32) 10-9 [基于拓扑图的行人重识别项目实战] 图匹配模块计算流程 (13:57) 10-10 [基于拓扑图的行人重识别项目实战] 整体项目总结 (08:56) 11-1 [基础补充-RNN与序列网络架构分析] 序列网络模型概述分析 (08:57) 11-2 [基础补充-RNN与序列网络架构分析] 工作原理概述 (03:51) 11-3 [基础补充-RNN与序列网络架构分析] 注意力机制的作用 (06:00) 11-4 [基础补充-RNN与序列网络架构分析] 加入attention的序列模型整体架构 (09:23) 11-5 [基础补充-RNN与序列网络架构分析] TeacherForcing的作用与训练策略 (07:11) 11-6 [基础补充-RNN与序列网络架构分析] 额外补充-RNN网络模型解读 (11:52) 12-1 [算法补充-卷积神经网络原理与参数解读] 卷积神经网络应用领域 (07:24) 12-2 [算法补充-卷积神经网络原理与参数解读] 卷积的作用 (09:23) 12-3 [算法补充-卷积神经网络原理与参数解读] 卷积特征值计算方法 (08:07) 12-4 [算法补充-卷积神经网络原理与参数解读] 得到特征图表示 (06:58) 12-5 [算法补充-卷积神经网络原理与参数解读] 步长与卷积核大小对结果的影响 (08:11) 12-6 [算法补充-卷积神经网络原理与参数解读] 边缘填充方法 (06:30) 12-7 [算法补充-卷积神经网络原理与参数解读] 特征图尺寸计算与参数共享 (07:02) 12-8 [算法补充-卷积神经网络原理与参数解读] 池化层的作用 (05:38) 12-9 [算法补充-卷积神经网络原理与参数解读] 整体网络架构 (06:20) 12-10 [算法补充-卷积神经网络原理与参数解读] VGG网络架构 (06:16) 12-11 [算法补充-卷积神经网络原理与参数解读] 残差网络Resnet (07:41) 12-12 [算法补充-卷积神经网络原理与参数解读] 感受野的作用 (05:46)
