课程介绍
在人工智能与大数据时代，知识图谱作为结构化知识的核心载体，已成为企业智能化转型的关键技术。本课程系统化讲解知识图谱的理论体系与实战应用，结合DeepSeek大模型的先进能力，带您从零构建行业级知识图谱解决方案。
培训对象
学员预备知识：
Python语法基础；
适合数据分析师、开发者和AI技术探索者。
课程收益
使学员深入理解人工智能和知识图谱的概念、内涵和前沿应用等。
知识概要
-- 知识图谱概念和Deepseek知识抽取；
-- 基于Deepseek实现知识图谱应用。
课程大纲
知识图谱概念和Deepseek知识抽取
知识图谱诞生的背景和概念
知识图谱包括的内容
知识的表示
知识图谱的价值剖析
知识图谱的分类
知识图谱的特点
顶点、边、命名实体、实体关系、知识间的关系
Deepseek大模型简介
使用Deepseek-v3和Deepseek-r1知识图谱
理解提示词工程
使用Deepseek实现知识、属性和关系抽取
理解OpenAI接口
使用接口访问Deepseek，实现单轮聊天抽取知识图谱
使用接口访问Deepseek，实现多轮聊天抽取知识图谱
Neo4j简介和安装
Neo4j图数据组成
CQL命令简介
CQL基本命令-添加删除和修改
CSV文件导入
CQL命令进阶
CQL函数简介
基于Deepseek实现知识图谱应用
Python使用py2neo操作Neo4j
创建、修改和删除节点和关系
节点和关系查询
理解DeepSeek大模型FuncationCall函数调用
实战：基于DeepSeek实现Neo4j构建图数据库
实战：识别用户意图，实现对电影图谱（添加、删除和修改）
实战：基于电影图谱知识库问答机器人
使用streamlit搭建web前端
Streamlit安装和概述
Streamlit文本显示
Streamlit 数据显示
Streamlit 表单
实战：搭建电影图谱问答机器人前端实现完整功能
实战：基于医疗知识库图谱问答机器人
认证过程
无认证考试
开班信息
暂无开班信息