Курс лекций по Графам Знаний (Knowledge Graphs).

Graph Representation Learning (GRL) - одна из самых быстро растущих тем в академическом и деловом сообществах. В настоящее время на русском языке крайне мало структурированной информации и обучающих курсов по основам и использованию Knowledge Graphs (KGs). Мы создали этот курс для всех желающих познакомиться с KGs, релевантными технологиями и перспективными применениями.

Концептуально, курс состоит из двух частей - способов работы с KGs.

1) Символьное представление: онтологии, логика, запросы, СУБД;
2) Векторное представление: эмбеддинги, graph mining, графовые нейросети, приложения в NLP и Graph ML.

Содержание

# Title Materials
1 Введение [video] [slides]
2 RDF & RDFS & OWL [video] [slides]
3 SPARQL & Графовые БД [video] [slides]
4 RDF* & Wikidata & SHACL & ShEx [video] [slides]
5 Семантическая Интеграция Данных [video] [slides]
6 Введение в Теорию Графов [video] [slides]
7 Knowledge Graph Embeddings [video] [slides]
8 Графовые Нейросети (GNNs) & KGs [video] [slides]
9 Приложения: Question Answering & Query Embedding coming soon
10 Бонус 1: SAP HANA Graph [video] [slides]
11 Бонус 2: Community Detection на Квантовых Компьютерах [video] [slides]

Платформа

Курс проходит на платформе сообщества Open Data Science как отдельный трэк, где доступны дополнительные материалы и leaderboards для домашних заданий. Общение со слушателями проходит на канале #kg_course в Slack-сообществе ODS.

Что нужно знать

В зависимости от части курса, мы ожидаем от слушателей базовой подготовки в следующих областях:

  • Основы логики (лекции 1-4)
  • Линейная алгебра (лекции 6-8)
  • Основы машинного обучения (лекции 6-9)
  • NLP (лекция 9)

Авторы

Михаил Галкин
MILA Quebec & McGill University

Вадим Сафронов
Key Points

Сергей Иванов
Criteo

Дмитрий Муромцев
Университет ИТМО