對課程的學習心得做一個小結，也可以是學習筆記
從一開始對機器學習一無所知，到現在看了老師們的網課視訊，對機器學習也有一點點了解了
下面是我把網課做的思維導圖（在整合的過程中，回憶知識）
- 第一章節
- 第二章節
- 第三章節
筆記的話ppt十分詳細了
檢索一些文獻或者網頁資訊，記錄機器學習等人工智能領域的前沿技術介紹、展望、應用，了解我們國家的先進或不足，存在的卡脖子技術等（選取一種技術方向即可）
人工智能的前沿技術有機器視覺，語音識别，推薦算法，NLP，知識圖譜，強化學習等。
-
知識圖譜
介紹：知識圖譜是通過将應用數學、圖形學、資訊可視化技術、資訊科學等學科的理論與方法與計量學引文分析、共現分析等方法結合，并利用可視化的圖譜形象地展示學科的核心結構、發展曆史、前沿領域以及整體知識架構達到多學科融合目的的現代理論。它能為學科研究提供切實的、有價值的參考。知識圖譜，本質上，是一種揭示實體之間關系的語義網絡。知識圖譜是由一條條知識組成，每條知識表示為一個SPO三元組(Subject-Predicate-Object)。
通俗的說知識圖譜主要目标是用來描述真實世界中存在的各種實體和概念，以及他們之間的強關系，我們用關系去描述兩個實體之間的關聯，例如姚明和火箭隊之間的關系，他們的屬性，我們就用“屬性--值對“來刻畫它的内在特性，比如說我們的人物，他有年齡、身高、體重屬性。知識圖譜可以通過人為建構與定義，去描述各種概念之間的弱關系，例如：“忘了訂單号”和“找回訂單号”之間的關系。
知識圖譜從語義角度出發，通過描述客觀世界中概念、實體及其關系，進而讓計算機具備更好地組織、管理和了解網際網路上海量資訊的能力。更具體的說，在人類與網際網路世界互動的過程中，産生了繁雜龐大的資訊，這些資訊一般被圖檔聲音文字視訊這些資料載體儲存。我們希望計算機可以分析閱讀了解這些資料，精準挖掘找到資料背後隐藏的有價值的知識，在使用者需要的時候提供知識服務。
應用：
1.智能搜尋
使用者的查詢輸入後，搜尋引擎不僅僅去尋找關鍵詞，而是首先進行語義的了解。比如，對查詢分詞之後，對查詢的描述進行歸一化，進而能夠與知識庫進行比對。查詢的傳回結果，是搜尋引擎在知識庫中檢索相應的實體之後，給出的完整知識體系。
2.深度問答
能夠以準确簡潔的自然語言為使用者提供問題的解答。多數問答系統更傾向于将給定的問題分解為多個小的問題，然後逐一去知識庫中抽取比對的答案，并自動檢測其在時間與空間上的吻合度等，最後将答案進行合并，以直覺的方式展現給使用者。eg：蘋果智能手機助手Siri
3.社交網絡
Facebook于 2013 年推出了 Graph Search 産品，其核心技術就是通過知識圖譜将人、地點、事情等聯系在一起，并以直覺的方式支援精确的自然語言查詢，例如輸入查詢式：“我朋友喜歡的餐廳”“住在紐約并且喜歡籃球和中國電影的朋友”等，知識圖譜會幫助使用者在龐大的社交網絡中找到與自己最具相關性的人、照片、地點和興趣等。Graph Search 提供的上述服務貼近個人的生活，滿足了使用者發現知識以及尋找最具相關性的人的需求。
展望：
知識圖譜肯定不是人工智能的最終答案，但知識圖譜這種綜合各項計算機技術的應用方向，一定是人工智能未來的形式之一。在未來的幾年時間内，知識圖譜毫無疑問将是人工智能的前沿研究問題。知識圖譜的重要性不僅在于它是一個全局知識庫，更是支撐智能搜尋和深度問答等智能應用的基礎，而且在于它是一把鑰匙，能夠打開人類的知識寶庫，為許多相關學科領域開啟新的發展機會。從這個意義上來看，知識圖譜不僅是一項技術，更是一項戰略資産。
我國先進和不足：
從工業界來說，阿裡和美團目前都在大力推進知識圖譜+推薦系統的結合，知識圖譜在大規模推薦系統中的應用場景非常廣闊。從學術界來說，知識圖譜+推薦系統其實做的還不多，方法也基本都是統計學習那一套，還是類似于黑盒模型。從推理的角度來做知識圖譜+推薦系統，無論是學術上還是實際部署中，都是一個非常有前景的方向。