夸克网盘
10积分
此课程专为Python开发者量身打造，聚焦知识图谱在医疗、金融及行人重识别领域的实战应用。课程深入讲解Neo4j数据库操作、图模型构建、实体识别与关系抽取等核心技术。结合糖尿病数据命名实体识别、金融风控模型等真实项目案例，助力学员掌握从数据获取到知识图谱构建的全流程。课程内容丰富，包含大量实操视频，能让学员在实践中提升数据分析和AI应用能力，适合希望在数据分析和AI领域有所提升的专业人士。
Dmz社区 - .u_1.url180BDmz社区 - .url180B
知识图谱.pdf2.02MBDmz社区 - .u_1.url180BDmz社区 - .url180B
NEO4J.docx144.37KBDmz社区 - .url180B
关系抽取.zip740.57MB贷款风控特征工程.zip1.95GBDmz社区 - .url180BDmz社区 - .u_1.url180BDmz社区 - .url180Beclipse-命名实体识别.zip18.19MBnotebook-瑞金.zip4.96MBDmz社区 - .url180BWang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.pdf1.26MB行人重识别.pdf1.63MBDmz社区 - .u_1.url180BDmz社区 - .url180B基于图模型的ReID(旷视).zip1.55GBDmz社区 - .u_1.url180BDmz社区 - .url180B卷积神经网络.pdf2.42MBseq2seq.pdf561.21KB
01 课程介绍.mp459.28MB02 知识图谱通俗解读.mp414.37MB03 知识图谱在搜索引擎中的应用.mp418.43MB04 知识图谱在医疗领域应用实例.mp450.29MB05 金融与推荐领域的应用.mp415.1MB06 数据获取分析.mp454.34MB07 数据关系抽取分析.mp418.48MB08 常用NLP技术点分析.mp427.54MB09 graph-embedding的作用与效果.mp418.82MB10 金融领域图编码实例.mp414.79MB11 视觉领域图编码实例.mp415.02MB12 图谱知识融合与总结分析.mp433.79MB13 Neo4j图数据库介绍.mp432.95MB14 Neo4j数据库安装流程演示.mp452.27MB15 可视化例子演示.mp429.13MB16 创建与删除操作演示.mp418.72MB17 数据库更改查询操作演示.mp419.43MB18 使用Py2neo建立连接.mp427.42MB19 提取所需的指标信息.mp432.71MB20 在图中创建实体.mp427.69MB21 根据给定实体创建关系.mp432.06MB22 项目概述与整体架构分析.mp476.62MB23 医疗数据介绍及其各字段含义.mp459.83MB24 任务流程概述.mp469.34MB25 环境配置与所需工具包安装.mp420.39MB26 提取数据中的关键字段信息.mp459.4MB27 创建关系边.mp426.39MB28 打造医疗知识图谱模型.mp437.98MB29 加载所有实体数据.mp425.08MB30 实体关键词字典制作.mp450.16MB31 完成对话系统构建.mp472.41MB32 关系抽取要完成的任务演示与分析.mp412.3MB33 LTP工具包概述介绍.mp4111.82MB34 pyltp安装与流程演示.mp488.53MB35 得到分词与词性标注结果.mp427.88MB36 依存句法概述.mp418.78MB37 句法分析结果整理.mp426.47MB38 语义角色构建与分析.mp4101.7MB39 设计规则完成关系抽取.mp433.21MB40 竞赛任务目标.mp443.72MB41 图模型信息提取.mp419.77MB42 节点权重特征提取(PageRank).mp424.06MB43 deepwalk构建图顶点特征.mp434.77MB44 各项统计特征.mp428.91MB45 app安装特征.mp482.54MB46 图中联系人特征.mp4152.19MB47 数据与任务介绍.mp415.76MB48 整体模型架构.mp410.69MB49 数据-标签-语料库处理.mp426.49MB50 输入样本填充补齐.mp455.24MB51 训练网络模型.mp427.61MB52 医疗数据集（糖尿病）实体识别.mp447.65MB53 行人重识别要解决的问题.mp421.89MB54 挑战与困难分析.mp425.7MB55 评估标准rank1指标.mp49.68MB56 map值计算方法.mp411.15MB57 triplet损失计算实例.mp418.03MB58 Hard-Negative方法应用.mp437.8MB59 关键点位置特征构建.mp414.92MB60 图卷积与匹配的作用.mp428.29MB61 局部特征热度图计算.mp432.51MB62 基于图卷积构建人体拓扑关系.mp420.07MB63 图卷积模块实现方法.mp418.23MB64 图匹配在行人重识别中的作用.mp412.73MB65 整体算法框架分析.mp416.37MB66 数据集与环境配置概述.mp429.39MB67 局部特征准备方法.mp430.75MB68 得到一阶段热度图结果.mp426.87MB69 阶段监督训练.mp449.49MB70 初始化图卷积模型.mp424.17MB71 mask矩阵的作用.mp427.38MB72 邻接矩阵学习与更新.mp433.43MB73 基于拓扑结构组合关键点特征.mp440.47MB74 图匹配模块计算流程.mp495.73MB75 整体项目总结.mp440.16MB76 RNN网络模型解读.mp418.88MB77 序列网络模型概述分析.mp421.76MB78 工作原理概述.mp46.7MB79 注意力机制的作用.mp411.09MB80 加入attention的序列模型整体架构.mp415.82MB81 TeacherForcing的作用与训练策略.mp412.59MB82 卷积神经网络应用领域.mp415.7MB83 卷积的作用.mp417.47MB84 卷积特征值计算方法.mp415.83MB85 得到特征图表示.mp428.1MB86 步长与卷积核大小对结果的影响.mp428.58MB87 边缘填充方法.mp425.46MB88 特征图尺寸计算与参数共享.mp415.25MB89 池化层的作用.mp48.87MB90 整体网络架构.mp412.28MB91 VGG网络架构.mp413.6MB92 残差网络Resnet.mp423.31MB93 感受野的作用.mp420.81MB
