對知識圖譜的告白:斯坦福大學CS520課程介紹


再過兩天就是520了,與這個浪漫的日子一塊兒上線的,還有斯坦福大學CS520知識圖譜系列課程,從這個課程的編號就足以看出對計算機科學的告白。

相信你們對斯坦福大學的計算機學科公開課一點也不陌生,對不少人來講,面向計算機視覺的CS231n和麪向天然語言處理的CS224n幾乎成爲了入門人工智能領域以及CV和NLP的必修課程。

與這些課程相似,CS520是斯坦福大學於2020年3月開設的知識圖譜春季開放課程,全部人均可以經過Zoom免費在線聽課。官方給出的時間是每週二下午4:30-6:20,不過這是PDT時間,算上時差,應該是北京時間每週三7:30-9:20,這個時間對咱們來講也徹底能夠接受了,早起學習。


課程的組織者,是知識圖譜領域的三位國際大牛,分別是:
Vinay K Chaudhri Naren Chittar Michael Genesereth


這三位大佬可謂是國際權威了,咱們來看看官方對他們的介紹:


來源:html

http://www.ai.sri.com/people/chaudhri/web

Vinay K. Chaudhri博士是SRI International人工智能(AI)中心的主管。他的研究專一於大型知識庫系統的科學研究和工程開發,涵蓋知識表示和推理,問答系統,知識獲取以及創新應用。Chaudhri博士曾在斯坦福大學教授一門有關知識表示和推理的課程。Chaudhri博士擁有多倫多大學計算機科學專業的博士學位,曾是諾斯學者和梅西學院的院士。他還擁有印度坎普爾技術學院的工業和管理工程碩士學位,以及庫魯克謝特拉國立技術學院的機械工程學士學位。
算法



來源:數據庫

https://www.re-work.co/events/va-sanfrancisco-2016/speakers/naren-chittar後端

Naren Chittar是機器學習和AI領域專家,是被Salesforce收購的MinHash的創始人,而且是AILA(電子商務營銷團隊的虛擬助手)的建立者。他致力於解決搜索,推薦和個性化方面的各類問題。在eBay任職期間,他建立了一個新的數據科學團隊,該團隊以自動完成,查詢建議,查詢分類等功能爲搜索基礎創建了許多科學基礎。Naren Chittar在推薦系統,圖像搜索,圖像質量和語音識別領域擁有多項正在授予和正在申請的專利。他擁有IIT孟買的電氣工程學士學位和斯坦福大學的電氣工程碩士學位。
微信



來源:網絡

http://logic.stanford.edu/people/genesereth/genesereth.htmlapp

Michael Genesereth是斯坦福大學計算機科學系的教授,也是斯坦福大學法學院的榮譽教授。他取得了麻省理工學院物理學專業理學學士學位,和哈佛大學應用數學博士學位。Genesereth教授最著名的是他在計算邏輯方面的工做及其在企業管理,計算法和通常遊戲中的應用。他是Teknowledge,CommerceNet,Mergent Systems和Symbium的創始人之一。Genesereth教授是斯坦福大學Logic Group的主任,也是斯坦福大學法律信息學中心CodeX的創始人和研究總監。
機器學習


看了這三位大佬的簡介,是否是對此課程無比期待,由於以前關於知識圖譜領域的課程和入門資料可謂很是稀少,隨着近幾年知識圖譜技術的飛速發展和在實際系統中的大量應用,國內出現了幾門知識圖譜課程,但都須要付費。此次,斯坦福大學開設了CS520課程,一共包括10講,填補了國際上對於知識圖譜領域公開課的空白,同時,這門課程也延續了斯坦福大學計算機科學系列公開課高質量的授課內容和通俗易懂的特點,受到了國際上的一致好評。

接下來,讓咱們看看這門課程在本學期春季的課程表。掃一遍每節課的講者,都是 國際 上在知識圖譜領域學術界和工業界的大佬級存在啊,不少學者常常在ACL和EMNLP等AI頂會的程序委員會列表中出現,相信學習這門課必定是一次高質量的體驗。目前這門課已經開講了有7次了(什麼?都講了這麼屢次了),不要緊,穩住別慌,以前講過的課都是有視頻回放的,固然你得能先看的了youtube,爲了學習科學知識這點問題應該是能解決的,其實B站也已經徹底同步,還帶中英文字幕。下面咱們來具體看看每節課的授課內容及相關信息,以前講過的課程連接咱們也一併呈上來。

1. What is a knowledge graph?學習

這門課程的課表對於每節課的主題介紹還挺有意思的,都是以問題的形式引出,那第一節課問什麼是知識圖譜,想必就是對知識圖譜的總體介紹和概述了。

視頻地址:

https://www.youtube.com/watch?reload=9&v=bvwjG-3qAmY&feature=youtu.be





2. How to create a knowledge graph?

這節課應該就是講如何構建一個知識圖譜了。

視頻地址:https://www.youtube.com/watch?v=ZWM-Dlw3VCM




3. What are some advanced knowledge graphs?

這節課應該是介紹一些先進的取得了很好的實際價值的知識圖譜,只有看到了優秀的產品才能知道該怎樣作。

視頻地址:

https://www.youtube.com/watch?v=5RXVorAglVc&feature=youtu.be




4. What are some knowledge graph inference algorithms?

這節課會講到一些知識圖譜推理的算法,其實知識圖譜一個最重要的功能就是提供推理能力,講到的算法應該是不少研究者所關注的。

視頻地址:

https://www.youtube.com/watch?v=AUtk6NBqEFY&feature=youtu.be




5. How to evolve a knowledge graph?

如何擴展一個知識圖譜,由於工業界使用的知識圖譜通常隨着用戶的使用,都是動態增加的,所以對於知識圖譜的動態增加也是一個重要的技術。

視頻地址:

https://www.youtube.com/watch?v=5fVdyjlM8Ok&feature=youtu.be




6. How do users interact with knowledge graphs?

因爲知識圖譜通常都是由後端開發創建的,用戶與知識圖譜如何交互,我想應該會介紹知識圖譜可視化等技術,爲了讓一個知識圖譜可以真正爲用戶更好的服務。

視頻地址:

https://www.youtube.com/watch?v=sMHs_jXFwgU&feature=youtu.be




7. What are some prelevant graph engines in industry?

這節課主要面向工業界的,會介紹一些工業界使用的圖引擎。尤爲對於一些大規模知識圖譜,使用neo4j等專業的圖引擎對於圖數據庫的存儲和查詢都能取得不錯的效果。

視頻地址:

https://www.youtube.com/watch?v=4agR9qoS73o&feature=youtu.be




8. What is the role of knowledge graphs in machine learning?


這節會講到一些知識圖譜與機器學習結合的點,相信必定少不了知識圖譜的神經關係抽取,結合知識圖譜的預訓練語言模型,還有尤爲是近一兩年大火的圖神經網絡等技術。等等,第一張圖中這個小哥(大神)怎麼這麼眼熟,查看簡介,果真我以前看過好幾篇他發表在ICLR和NeurIPS上的文章,以前還專門查了他的我的主頁,固然印象這麼深最主要仍是由於長得太帥了。

對了,從這節課開始就都是尚未開講的內容了,你們感興趣的能夠經過Zoom進行線上學習。




9. What are some high value use cases of knowledge graphs?

以個人理解是會介紹一些知識圖譜在各行業優秀的實例,猜想會包括google知識圖譜,還有一些國際著名企業的行業知識圖譜的使用。



10. What are some open research questions on knowledge graphs?

這最後一節感受和其它課程都差很少同樣的套路,對當前知識圖譜存在的前沿開放問題進行總結,爲知識圖譜的研究者提供一個明確的研究思路。

看了這些介紹,不管您是知識圖譜工業界的開發人員,仍是知識圖譜學術界的研究者,必定都能從這門課程中掌握知識圖譜的核心內容。如今能夠先學習以前的幾講錄播課程,後天也就是在520那一天就能學習下一講的直播課了。好了,CS520,學起來。

課程主頁:
https://web.stanford.edu/class/cs520/

往期精選:
知識圖譜最新權威綜述論文解讀:知識表示學習部分
南大周志華老師新書《機器學習理論導論》即將出版
手把手教你搭建一箇中式菜譜知識圖譜可視化系統

若是您對咱們的文章感興趣,歡迎關注咱們的微信公衆號「人工智能趕上知識圖譜」,第一時間爲您呈上更多AI和知識圖譜的精彩內容。

長按二維碼 | 關注咱們

微信號 : AIKGbyzeyu

知乎專欄 : 人工智能趕上知識圖譜

本文分享自微信公衆號 - 人工智能趕上知識圖譜(AIKGbyzeyu)。
若有侵權,請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」,歡迎正在閱讀的你也加入,一塊兒分享。

相關文章
相關標籤/搜索