学术会议 | IEEE国际知识图谱大会程序手册

知识图谱作为传统知识工程的代表，是当今最为常用的符号知识表示与存储方式。由于其简单易用，特别在问答、搜索、推荐等场景的成功，使其在工业界及很多领域广泛应用。在大模型时代，知识图谱等符号知识表示方法也被应用于增强大模型的各方面能力。知识图谱与大语言模型的互补增强可以为人工智能提供更加可靠、全面和可控的知识处理技术。IEEE国际知识图谱大会（ICKG）是一个重要的国际性会议，今年和ICDM2024(CCF B)联合举办，旨在展示知识工程、知识图谱、图学习等相关研究方向的原创研究成果，探讨机遇和挑战，以及交流和传播创新的实际开发经验。ICKG 2024旨在吸引来自知识工程、表示学习、大数据分析、统计学、机器学习、模式识别、数据挖掘、知识可视化、高性能计算和万维网等各个领域的研究人员和应用开发人员。欢迎赐稿参会，共同研讨，期待相聚12月阿布扎比。

IEEE ICKG 2024 Program Schedule

December 11 - 12, 2024

Keynote Lecture: 60 minutes (about 45 minutes for talk and 15 minutes for Q and A)
Main conference regular paper: 15 minutes (about 12 minutes for talk and 3 minutes for Q and A)
Main conference short paper: 10 minutes (about 8 minutes for talk and 2 minutes for Q and A)

All conference activities are based on USA Eastern Standard time.

Day 1: Wednesday, December 11, 2024
8: 45 – 9:00	Opening and Welcome Conf Chairs, PC Chairs, Local Chair Session Chair:
Time	Sessions			Session Chair
9:00-10:00	Session A: NLP and KG I (4 Regular)
10:00 – 10:30	Coffee Break and Refreshment
10: 30 - 11: 30	Keynote: Large Language Models: Risks, Opportunities and Responses Speaker: Dr. Geoff Webb, Monash University, Australia Session Chair:
Time		Sessions	Session Chair
11:30-12:15		Session B: Graph and Knowledge Learning I (3 Regular)
12:15 - 13:30		Lunch
13:30-15:50		Session C: NLP and KG II (4 full + 8 Short)
15:50-16:10		Coffee Break and Refreshment
16:10-18:30		Session D: Graph and Knowledge Learning II (4 Regular + 8 Short)

Day 2: Thursday, December 12, 2024
Time	Sessions			Session Chair
9:00-10:00	Session E: Knowledge System and Applications I (4)
10:00 – 10:30	Coffee Break and Refreshment
10:30 - 11: 30	Keynote: Graphs and RAG for Better Industrial GenAI Solutions Speaker: Prof. Dr. Evgeny Kharlamov Session Chair:
Time		Sessions	Session Chair
11:30-12:15		Session F: Knowledge Discovery and Data Science I  (3 Regular)
12:15 - 13:30		Lunch
13:30-15:50		Session G: Knowledge Systems and Applications  II (4 Regular + 8 Short)
15:50-16:10		Coffee Break and Refreshment
16:10-18:30		Session H: Knowledge Discovery and Data Science II (4 Regular + 8 Short)
18:30 – 18:40		Closing Remark

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】