课程介绍
知识图谱，作为一种互联网上有力的抽象方式，能有效地将知识结构化，被应用于捕获企业关键实体之间关系、整合来自多个数据源的信息。在机器学习、自然语言处理领域，知识图谱也开始发挥核心作用——不仅可以纳入世界知识作为所提取知识的目标知识表征，还能用来解释学习到的内容。
CS520是顶级院校斯坦福出品的知识图谱方向专业课程，是面向研究生的研究研讨会(Research Seminar)，包括知识图谱的理论讲解（如，数据模型、创建、推理、访问），以及著名研究人员和行业从业人员的特邀讲座。课程延续了斯坦福大学CS系列公开课高质量的授课内容和通俗易懂的特色，有很好的启发性和实用性。
CS520课程的组织者是知识图谱领域的三位国际大牛：Vinay K Chaudhri，Naren Chittar，Michael Genesereth，并邀请了十几位知识图谱领域学术界和工业界的知名研究者。
- Vinay K. Chaudhri博士，SRI 国际人工智能中心主管。研究专注于大型知识库系统的科学研究和工程开发，涵盖知识表示和推理，问答系统，知识获取以及创新应用。
- Naren Chittar，机器学习和AI领域专家，MinHash创始人，AILA的创建者。他致力于解决搜索、推荐和个性化方面的各种问题。
- Michael Genesereth，斯坦福大学计算机科学系教授，斯坦福大学法学院的荣誉教授，以在计算逻辑方面的工作及其在企业管理、计算法和一般游戏中的应用而著称。
课程主题
CS520 强调人工智能、数据库系统和人机交互的综合，以创建以知识图谱为中心的集成智能系统。
- What is a Knowledge Graph（知识图谱简介）
- What are some Knowledge Graph data models（把维基百科数据构建成维基知识库）
- How to design the schema of a Knowledge Graph（如何设计知识图谱schema）
- How to create a Knowledge Graph from Data（如何从结构化数据中构建知识图谱）
- How to create a Knowledge Graph from Text（如何从文本数据中构建知识图谱）
- What are some inference algorithms for Knowledge Graphs（知识图谱知识推理算法介绍）
- How do users interact with a Knowledge Graph（知识图谱交互方式）
- How to evolve a Knowledge Graph（构建知识图谱）
- What are some high value use cases of Knowledge Graphs（知识图谱工业实践应用）
- How are Knowledge Graphs related to AI（从知识图谱到AI，两者如何关联）
课程资料 | 下载
 |
扫描上方图片二维码，关注公众号并回复关键字 🎯『CS520』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里 查看更多课程的资料获取方式！
ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：
- 课程公开资料为正式课程的全部 📚『课件/Slides』，制作得非常专业和用心，如图所示。注意！官方未发布分享嘉宾的讲义。
课程视频 | B站
ShowMeAI 将视频上传至B站，并增加了中英双语字幕，以提供更加友好的学习体验。点击页面视频，可以进行预览。推荐前往 👆 B站 观看完整课程视频哦！
本门课程，ShowMeAI 将部分章节进行了切分，按照主题形成更短小的视频片段，便于按照标题进行更快速的检索。切分后的视频清单列写在这里：
| 序号 | 视频章节 | 视频清单 |
|---|---|---|
| L1 | Lecture 1 | 知识图谱简介 |
| L2 | Lecture 2 | 知识图谱的what和why |
| L3 | Lecture 3 | 图数据模型 |
| L4 | Lecture 4.1 | 应用Cypher进行图谱查询 |
| L5 | Lecture 4.2 | 分布式RDF数据管理与查询 |
| L6 | Lecture 5 | 如何设计知识图谱schema |
| L7 | Lecture 6.1 | 把维基百科数据构建成维基知识库 |
| L8 | Lecture 6.2 | 给维基数据添加Convid信息 |
| L9 | Lecture 6.3 | 维基数据中的实体schema和形状语言 |
| L10 | Lecture 7 | 如何从结构化数据中构建知识图谱 |
| L11 | Lecture 8.1 | 自监督实体识别与消歧 |
| L12 | Lecture 8.2 | 网络知识图谱中的指代消解 |
| L13 | Lecture 9 | 如何从文本数据中构建知识图谱 |
| L14 | Lecture 10.1 | 构建用于语言理解的因果知识图谱 |
| L15 | Lecture 10.2 | 可用于图像理解的场景图谱 |
| L16 | Lecture 11.1 | 知识图谱知识推理算法介绍 |
| L17 | Lecture 11.2 | 知识图谱的高价值应用案例介绍 |
| L18 | Lecture 12.1 | 图谱关系学习与管理 |
| L19 | Lecture 12.2 | 知识图谱介绍 |
| L20 | Lecture 13.1 | 知识图谱交互方式 |
| L21 | Lecture 13.2 | 为搜索引擎构建知识面板 |
| L22 | Lecture 14.1 | 逻辑语言(英语)计算 |
| L23 | Lecture 14.2 | 问答系统中基于语言模型和知识图谱的知识推理 |
| L24 | Lecture 15.1 | 从0到亿的Rich Product图谱构建之路 |
| L25 | Lecture 15.2 | 构建知识图谱 |
| L26 | Lecture 16.1 | 如何拓展知识图谱 |
| L27 | Lecture 16.2 | 针对递归查询的增量视图维护 |
| L28 | Lecture 17.1 | 知识图谱工业实践应用 |
| L29 | Lecture 17.2 | 工业大规模知识图谱：实时观察与预估 |
| L30 | Lecture 18.1 | 因果图 |
| L31 | Lecture 18.2 | 金融数据用例的通用预测计算建模：应用本体作为金融数据预处理工具 |
| L32 | Lecture 19.1 | 构建知识图谱的开源工具调研 |
| L33 | Lecture 19.2 | 从知识图谱到AI，两者如何关联 |
| L34 | Lecture 20.1 | 用于扩展知识图谱的 Hendler 语义 |
| L35 | Lecture 20.2 | 知识图谱++ |
根据视频内容整理的这份『CS520 课程结构图解』，展示了内容要点及其逻辑关系，超级直观！相信对构建 Whole Picture 特别有帮助~
更多技术与课程清单 | 点击查看详细课程
