Estudia representaciones de entidades y relaciones, completado con esquemas, embeddings eficientes y evaluación rigurosa de predicción de enlaces.
Este curso avanzado se centra en completar grafos de conocimiento, no en redes neuronales de grafos generales. Relaciona estructura y características textuales con embeddings de entidades y relaciones, examina objetivos eficientes sin muestreo negativo y completado de instancias con conocimiento del esquema, y analiza protocolos de evaluación de predicción de enlaces. Se centra en construcción de candidatos, fugas de datos, métricas de ranking y en si la evaluación refleja el uso previsto. Los vídeos están en inglés; los materiales originales son guía analítica, no transcripciones.
Formula el completado de grafos de conocimiento como predicción de hechos tipados y lo distingue de la clasificación genérica de nodos. Compara métodos estructurales, enriquecidos con texto y de embeddings eficientes, haciendo explícitos sus supuestos y costes computacionales. Audita la evaluación de predicción de enlaces para detectar fugas, sesgos en candidatos, filtrado y desajustes entre métricas y afirmaciones.
Se recomienda conocer aprendizaje automático, embeddings vectoriales y métricas de clasificación o ranking. Ayudan los grafos y el álgebra lineal; no se requiere experiencia previa con benchmarks de grafos de conocimiento.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Avanzado · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.