Bestudeer representaties van entiteiten en relaties, schema-bewuste voltooiing, efficiënte embeddings en zorgvuldige evaluatie van linkvoorspelling.
Deze gevorderde cursus richt zich op voltooiing van kennisgrafen, niet op algemene graafneurale netwerken. Je verbindt structurele en tekstuele kenmerken met embeddings van entiteiten en relaties, onderzoekt efficiënte doelen zonder negatieve steekproeven en schema-bewuste voltooiing van instanties, en toetst evaluatieprotocollen voor linkvoorspelling kritisch. De aandacht ligt op kandidaatconstructie, datalekken, rangschikkingsmaten en de vraag of een evaluatie het beoogde gebruik weerspiegelt. De video’s zijn Engelstalig; het studiemateriaal is originele analytische begeleiding, geen transcript.
Modelleer voltooiing van een kennisgraaf als voorspelling over getypeerde feiten en onderscheid dit van generieke knoopclassificatie. Vergelijk structurele, tekstverrijkte en efficiënte embeddingmethoden en maak aannames en rekenkundige afwegingen expliciet. Controleer linkvoorspelling op datalekken, vertekening door kandidaatsets, filtering en overeenstemming tussen maten en claims.
Kennis van machine learning, vectorrepresentaties en classificatie- of rangschikkingsmaten is aanbevolen. Grafen en lineaire algebra helpen; ervaring met benchmarks voor kennisgrafen is niet vereist.
Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
4 lessen · Gevorderd · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.