深度培訓：

企業知識圖譜的設計、搭建和應用

一、課程背景

1. 知識圖譜：是什么、為什么、怎么實現？
知識圖譜源自于知識工程中語義網絡，并且結合了機器學習、自然語言處理、知識表示和推理的最新成果，在大數據的推動下受到了業界和學術界的廣泛關注。近年來，基于圖構建知識圖譜成為研究和應用的熱點。基于圖數據庫及相關技術構建、表示、存儲、查詢和學習知識圖譜是當下最為流行的技術之一，且有著巨大的應用潛力。然而，另一方面，關于知識圖譜的定義、方法、實現和應用涉及領域廣泛、理論繁雜、工具眾多，令人無所適從。本課程將對知識圖譜的全生命周期進行定義，并在此基礎上梳理出每個階段中的主要內容和發展趨勢，幫助學員建立清晰的知識圖譜。

2. 基于圖數據庫實現企業知識圖譜的存儲、推理和查詢。
結合全球領先的圖數據庫軟件 Neo4j，依托企業和市場的實際需求，從零開始系統全面地介紹和培訓企業知識圖譜的設計和應用，包括知識圖譜的表示、構建、推理和應用；基于數據庫的圖算法理論基礎。通過樣例數據集和實際應用場景，幫助學員完整掌握應用相關技術搭建實用的企業知識圖譜的核心思想、適用領域、實踐應用，并能在各自的行業和研究領域靈活熟練地運用相關知識和工具。

3. 以概念和理論為基礎、語言和算法為工具，通過在實例數據上的操作建立對知識圖譜的真實感受和實際應用體驗。
理論結合實踐，將復雜枯燥的算法與易于理解的應用場景有機結合，幫助學員建立起從提出問題->確定適用的理論->選擇可用的工具和過程->驗證分析的結果、端到端的分析和處理技能。

4. 持續學習、不斷提升。
為期1天的深度培訓，雖然會盡量做到深入全面，但參加受訓的你在真正要實施時還會遇到很多問題。因此在ITPUB社區，就這個話題，我們會提供針對性問題的、有償問答服務，并持續推出相關課程，讓你有信心通過不斷學習和實踐，成為在大數據分析、知識圖譜等領域的專家和技術大V。

二、課程介紹

知識圖譜與大數據、深度學習，這三大“秘密武器”已經成為推動互聯網和人工智能發展的核心驅動力之一。在國務院頒發的《新一代人工智能發展規劃》(國發〔2017〕35號)中，明確指出“關聯理解與知識挖掘、知識圖譜構建與學習、知識演化與推理、智能描述與生成等技術”為新一代人工智能關鍵共性技術體系的重點突破領域。

知識圖譜以知識工程中語義網絡作為理論基礎，并且結合了機器學習，自然語言處理和知識表示和推理的最新成果，在大數據的推動下受到了業界和學術界的廣泛關注。近年來，基于圖構建知識圖譜成為研究和應用的熱點。基于圖數據庫及相關技術構建、表示、存儲、查詢和學習知識圖譜是當下最為流行的技術之一。

本課程期望從知識圖譜的歷史發展、方法論及工具出發，通過介紹應用趨勢、技術難點，以及在大數據時代的機遇和挑戰，為學員展現一個嶄新的、潛力無窮的、充滿活力的技術應用領域。

具體內容方面，本課程主要講述建立企業知識圖譜的相關技術和工具，包括但不局限于：
? 知識的表示：符號，向量和圖（RDF、屬性圖）；
? 知識的存儲和查詢：Neo4j 圖數據庫，Cypher 查詢語言；
? 知識圖譜的推理：圖的機器學習算法例如社區檢測、頁面排行、相似度、鏈接預測等；
? 知識圖譜的應用： 基于樣例數據，提出問題、并應用所學知識和工具回答問題。

課程時間為一整天，其中授課、實操和討論的時間占比為6:3:1。

三、課程收益

1. 了解知識圖譜的發展歷史、應用趨勢和相關技術領域；
2. 掌握如何根據應用需求，規劃、定義、構建和使用知識圖譜的完整方法論；
3. 掌握基于圖的知識表示方法，以及如何在企業級圖數據庫平臺 Neo4j 上搭建知識圖譜應用的過程和工具；
4. 掌握 Cypher 圖數據庫查詢語言進行建模、查詢和更新數據庫的方法；
5. 掌握常用圖算法，以及如何將這些算法應用到知識圖譜的推理中，以發現新的知識、更好地解決實際應用中的問題；
6. 了解圖數據庫與關系型數據庫、以及其他 NoSQL 數據庫的區別，根據業務類型決定使用正確/適合的數據存儲類型，并充分利用不同類型數據庫的優勢滿足業務需求。

四、課程對象

1. 計算機軟件和數據庫領域各類型企業的技術主管、項目經理、架構師、數據科學家、開發人員；
2. 計算機軟件和數據庫領域大專院校相關專業在校學生；
3. 希望通過學習和掌握知識圖譜和圖計算相關技術提升自身專業水平和競爭力的社會人士；
4. 未來有意愿從事與知識圖譜、圖計算、機器學習技術相關的從業人員。

根據課程內容深度和實踐操作內容，有意報名的參課者最好有如下一些準備或者經歷：
? 熟悉關系型數據的基礎理論、數據庫建模和 SQL 應用開發；
? 熟悉算法和數據結構，特別是圖相關算法例如遍歷、排序、搜索；
? 了解一些機器學習相關技術和應用知識，例如自然語言處理(NLP)、有/無監督的分類、向量空間、神經網絡等；
? 了解 Web 應用相關標準和技術，例如 XML、RDF、語義網絡、本體模型等；
? 如有 Neo4j 圖數據庫使用基礎則更佳。

講師簡介

俞方樺博士，Neo4j 亞太地區技術專家，IEEE 和澳大利亞計算機學會會員

二十多年 IT 從業歷史，行業經驗跨越政府、零售、金融、科技、制造，專注領域涉及大數據、商業智能、AI 和機器學習、云計算、軟件開發以及兒童編程教育。
目前擔任 ITPub 圖數據庫特邀專家、Neo4j 中文社區專家、《Neo4j 圖數據庫叢書》第3卷執行主編，組織和主講圖數據庫技術聚會(GraphDB Meetup)悉尼分會。

【講師資質】
? 博士學位
? PMP2000 證書
? 微軟高級培訓證書
? COGNOS 全部產品認證
? TIBCO 產品認證
? Teradata 物理數據庫設計認證
? 金融市場高級學位證書(Hubb Institute)
? SAP BP（業務伙伴）模塊認證
? AWS 云服務架構師認證
? IASA 國際架構師協會認證證書
? 哥倫比亞大學 Data Science 課程認證
? Neo4j 技術專家認證

深度培訓：

借鑒 Oracle，深入修改 MySQL/PostgreSQL 內核代碼

一、課程背景

1. 掌握研究開源數據庫的方法，構筑自主可控的知識體系。
中美在貿易、技術等方面的沖突，特別是美國對中興、華為的制裁，讓我們從全民到國家層面都意識到，一味的“拿來主意”，已經不適合中國以后的發展，只有保證核心技術的自主、可控，才是發展的硬道理。在這種外部大環境的推動下，對開源數據庫內核技術的研究，漸漸成為大勢所趨。但成熟的開源數據庫，動輒上百萬行代碼，讓企業與技術愛好者無從下手。在學習、研究過程中，企業與技術愛好者大都面臨兩個重要問題。
1) 超長時間的學習、研究周期，而且在期間沒有產出（只有時間、人力的投入）
2) 沒有參照、沒有對比。無論是源自圖靈獎得主斯通布雷克的 PostgreSQL，還是應用廣泛的 MySQL，它們的代碼一定都是千錘百煉的。我們何德何能，敢對這些高品質代碼動刀!

第一個問題：學習/研究周期長。可以用“基于調試數據庫的正向反饋”法解決。這種方法的介紹，將是本課程的重點。我們不可能在十數小時課程中，將百萬行的代碼歷數一遍。因此，分享閱讀源碼的方法，才是本課程的重點。“基于調試數據庫的正向反饋”法，可以讓我們在漫長的學習/研究周期中，不斷有成果、有產出。比如，為開源數據庫提供像 Oracle 一樣測試、觀察性能的工具等。這種產出可以獎勵我們不斷前進下去。

授人以魚，不如授人以漁。本課程將重點放在“漁”上，為有志于在開源領域發展的企業和技術愛好者，提供方法。

至于第二點，“沒有參照”。其實有一個很好的參照：Oracle。若論技術上的先進性，Oracle 無疑仍是最先進的數據庫之一。而且 Oracle 累積了大量的成功經驗。參照 Oracle 的原理與機制，對 PostgreSQL/MySQL 做一些調整，最終達到自主、可控，將是成功的最佳路徑。本課程將以 Oracle 部分原理為例子，實例講解如何參照這些原理，修改 PostgreSQL 或 MySQL。

2. 掌握用戶態、內核態動態跟蹤的方法，構筑自己的職業壁壘。
對于開發、DBA，或是其他數據庫相關從業者，構筑自己的技術壁壘十分重要。本課程的“調試數據庫”方法，將綜合運用操作系統原理與數據庫原理。這將使我們對原理不僅僅停留在了解之上，而是要進一步的運用。“紙上得來終覺淺，絕知此事要躬行”。只有去運用從“紙”上學到的原理，這些原理和變成自己真正掌握的知識。而且，使用調試數據庫方法，在以后的學習、研究過程中，還將不斷加強自己對計算機體系底層、操作系統原理、特別是數據庫原理的掌握與運用。這種底層原理性知識，將形成自己的技術壁壘，使自己在 IT 領域立于不敗之地。

3. 除了本次深度培訓，還會提供后期的跟蹤問答
為期2天的深度培訓，雖然已經相當深入全面了，但如果參加受訓的你，真正開始調試數據庫，可能還會遇到很多問題，針對這種情況，在 ITPUB 社區，我們會針對這個話題，進行后期的針對性問題的有償問答服務，讓你真正掌握調試數據庫技術，可以使用此種技術去分析、甚至是修改一個開源數據庫的內核。

二、課程介紹

數據庫技術的發展，在國內已經進入下半場。很多企業不再停留在單純的使用與運維，“自主、可控”已經是所有企業的共識。在需求推動下，對數據庫內核技術的研究，也如火如荼的展開。本課程主要為大家分享使用調試技術研究數據庫內核的方法，以及如何將研究結果應用到日常場景，以幫助我們更好的運維、使用數據庫，滿足應用需求。并且重點為大家分享如何參照 Oracle 在超高并發、極短響應時間的成熟經驗，對 PostgreSQL/MySQL 的源碼在某些方面進行改進。

本課程從 System tap、DTrace 等動態跟蹤技術和 gdb 調試技術入手，課程內容雖涉及大量數據庫原理，但重點還在于講述如何發現、發掘這些原理，并對其中可以改進的點進行改進。也就是說，本課程重點在于“方法”，而不是簡單的羅列各種數據庫的原理。

另外，Oracle 數據庫的一大特點是“可觀測、可測量”，這是說 Oracle 擁有非常豐富的性能資料與等待事件。可供有經驗的 DBA 全方面的分析性能瓶頸。本課程還將講述，使用動態跟蹤技術，為 PostgreSQL/MySQL 增加類似 Oracle 的性能資料統計，和競爭分析工具的方法。

整個課程大體上分為四大部分：
1. 常用調試與動態跟蹤技術介紹。
2. 使用調試數據技術，分析 PostgreSQL 或 MySQL 的邏輯讀、解析、Redo Log Buffer 操作、事務處理的原理。
3. 使用動態跟蹤技術，增加 Oracle 類似的性能分析工具。
4. 如何參照 Oracle 原理，找出可供改進的點。

三、課程收益

1. 掌握調試數據庫技術。
2. 掌握閱讀開源數據庫代碼的方式。
3. 掌握分析數據庫原理的方法。
4. 掌握使用動態跟蹤技術為 PostgreSQL/MySQL 增加性能觀察工具的方法。
5. 掌握影響高并發數據庫的要點，以及如何衡量一個數據庫的優劣。
6. 了解動態跟蹤技術內核態跟蹤的方式。
7. 了解動態跟蹤技術分析 Linux 內核的方法。

四、課程對象

開發、DBA、系統架構師，對開源數據庫技術感興趣的人員

根據講師的經驗與授課體系，有意報名的參課者最好有如下的一些準備或者經歷：
1. 有 Oracle/MySQL/PostgreSQL 至少一種數據庫使用經驗，并至少對其中某一數據庫常見原理有基本了解。
2. 對 Linux 操作系統常見原理有基本了解。
3. 對 Linux 的編程有一定的了解（Linux下c開發最佳），如果沒有涉及過，請提前準備相應的資料，并提前準備學習一下。

講師簡介

呂海波（花名：VAGE）美創科技 技術專家/首席研究員，ITPUB管理版版主

IT老兵，24年IT領域從業經歷，十數年數據庫經驗，慣看IT江湖風起云涌。曾在多家巨頭型互聯網公司從事數據庫管理與研究工作。2009年曾就任阿里巴巴高級數據庫專家（P8)，并于2014年以特招方式進入國際電商巨頭ebay（ebay全球唯一無法英文聽說的技術人員），從事數據庫管理與研究工作。目前主要研究方向數據安全、數據庫內核。
出版技術書籍《Oracle內核技術揭密》，被譽為國內最深度解密Oracle算法原理的技術書籍。

【講師資質】
目前擁有技術專利一項，在申請中專利二項。
多屆數據庫大會演講嘉賓
出版技術書籍《Oracle內核技術揭密》
正在著作《數據處理技術之旅》（暫定名）

深度培訓：

敏捷數據中臺、開放AI中臺和智能機器人產品的建設實踐

一、課程背景

宜信在2017年推出了一系列大數據開源工具，在技術社區內得到了廣泛關注和好評，包括大家熟悉的DBus、Wormhole、
Moonbox、Davinci，并基于四大開源平臺之上形成一套“敏捷大數據架構”方法論。2019年，宜信基于四大開源平臺和敏捷方法論，建設了公司統一的“敏捷數據中臺”，并在全公司推廣使用。

與此同時，已經內部孵化的AI中臺、機器人產品，也開始在公司內部各個業務方廣泛使用和遍地開花，得到各個業務方的認可，并為公司節省大量人力成本。

本次分享將會介紹我們的敏捷數據中臺、開放AI中臺和機器人平臺的建設之路，各個平臺既有獨立性又有關聯性，并會深入到設計、架構和實踐層面進行討論，可為各個公司建設自己的數據中臺和AI中臺提供一個參考和借鑒。

二、課程介紹

本課程主要和大家探討在企業中，面對業務方海量數據，快速和多樣化的數據需求和智能化需求，企業內部如何構建符合企業目標的數據中臺和AI中臺，數據中臺和AI中臺提供哪些能力來滿足業務快速迭代的需求，數據中臺和AI中臺如何數據打通，以及基于這些能力構建的一些典型數據應用場景和AI應用場景。最后重點介紹一個基于AI中臺能力的數據智能應用 - 智能外呼和聊天機器人產品，以及如何利用已有AI中臺能力快速支撐和服務這樣的智能數據產品。

具體來說，本次分享大致涵蓋3個子主題：

1．敏捷數據中臺建設以及應用場景案例
? 宜信敏捷數據中臺頂層設計： 定位和價值、高階模塊架構；
? 從開源工具到數據中臺： 開源平臺架構和設計、數據中臺架構和設計、數據中臺與數據湖；
? 典型數據應用場景案例： 基于數據中臺的企業典型數據應用案例介紹；

2．開放AI中臺建設以及應用場景案例
? AI 中臺應解決的業務痛點、提供的能力、數據中臺和AI中臺的邊界和聯系、以及AI中臺的定義；
? AI 中臺的實施路線：開放AI平臺架構、平臺能力、主要功能組件、總體運轉流程；
? 實例分析：基于AI中臺能力的具體智能化應用案例介紹；

3．基于平臺化思想建設的智能機器人產品實踐
? 智能機器人平臺設計思想、定位和解決的痛點，算法、工程和業務的統一；
? 智能機器人平臺實施路線：平臺架構和設計、各種機器人的算法實現原理、以及如何復用AI中臺平臺能力；
? 智能機器人平臺典型案例分析和實戰。

課程時間為一整天。

三、課程收益

本次分享可以幫助大家：
1、從0到1的學習和了解數據平臺、AI平臺、智能數據產品在企業中的整體面貌；
2、了解數據中臺、AI中臺的設計理念、定位、價值、邊界和關系；
3、了解和掌握使用開源工具如何構建一個現代化敏捷數據中臺，以及典型數據應用場景；
4、了解和掌握如何構建開放AI中臺，以及基于AI中臺的智能應用場景；
5、了解智能機器人產品的價值、用途、設計原理和應用場景。

四、課程對象

CTO、大數據工程師/高級工程師/架構師、AI平臺工程師/高級工程師/架構師，AI工程師/高級工程師/架構師
對數據和智能平臺架構感興趣的開發人員

根據講師的經驗與授課體系，有意報名的參課者最好有如下的一些準備或者經歷：
? 對智能數據產品或平臺一定經驗或感興趣；
? 有過一定架構經驗，或對平臺化建設有一定經驗或感興趣；
? 課程涉及具體技術包括JEE技術、大數據技術和人工智能技術，建議對這些技術有一定了解，有過相關開發經驗為佳。

講師簡介

王東宜信科技中心AI中臺部負責人，高級架構師

大數據技術和人工智能技術專家，研究領域方向包括大數據基礎平臺、實時數據歸集和處理技術、智能聊天/語音機器人平臺、開放AI平臺建設和推廣等。擁有10年以上金融和互聯網企業基礎系統和數據類平臺研發經驗。擅長平臺級產品建設、數據類/智能類產品研發和架構。宜信敏捷大數據棧DBus開源項目負責人，CUBRID-cluster開源項目發起人。曾任職于韓國最大搜索引擎公司Naver資深工程師，主持
CUBRID-cluster分布式數據庫引研發和負責CUBRID數據庫引擎研發工作。目前負責宜信AI中臺和智能機器人平臺的建設工作。北京大學軟件工程專業碩士。