AI+或AI赋能已是传统行业智能化升级和转型的基本模式。近年来越来越多的传统行业的核心战略转移到人工智能领域，但随着大数据红利的消失殆尽，以深度学习为代表的感知智能水平日益接近其“天花板”（来自肖仰华老师分享）。数据驱动的第二代人工智能依然受限于“特定模型解决特定任务”。
因此，想要解决现实世界的很多实际问题，还需要知识，特别是符号化的知识。人类语言理解、司法判案、医疗诊断、投资决策等等很多领域都是显著依赖知识才能实现的，而知识图谱就是这种不可或缺的知识的重要表现形式之一，既是人工智能的重要分支，也是让机器具有认知能力的基石。
可以说知识图谱是整个AI的未来，也是实现人工智能从“感知”跃升到“认知”的基础。近年来，知识图谱作为实现认知智能的核心驱动力，已广泛应用在金融、电商、医疗、政务等诸多领域。
但知识图谱是一项庞大而复杂的工程，涉及知识工程、自然语言处理、数据库、机器学习等多个学科的知识。受限于知识图谱庞大的知识面，初学者不容易理清知识体系，往往无从着手学习；并且其技术栈较长，掌握知识图谱整个知识框架需要很长时间，同时，遇到问题时如果得不到及时解答，会逐渐失去热情直至放弃。
基于此，深蓝学院教研团队推出了『知识图谱理论与实践』线上课程。课程系统讲解各个知识图谱生命周期的主流方法，并最终完成问答系统的实践项目，帮助大家高效入门知识图谱，系统学习整个知识图谱框架体系、落地方法、应用场景。
科学系统的学习内容
实践项目
在细致讲解体系构建、知识获取、知识融合、知识存储和查询、知识推理及知识问答系统等核心技术的同时，结合实践项目，让大家对知识图谱有更透彻的理解。
