- 2025年10月17日上海
在当今信息爆炸时代，知识管理的重要性愈发凸显。在此背景下，AI技术为知识管理带来了变革与创新，本课程旨在帮助学员掌握AI赋能知识管理的核心技能与方法，以适应当前知识管理领域的发展需求。
课程目标：
1.知识掌握目标
确保学员全面理解 AI 基础技术架构，涵盖机器学习、深度学习以及自然语言处理等关键领域的核心概念与技术原理。使学员深入了解 AI 在知识管理各个环节（获取、存储、检索、创新等）的应用逻辑，以及AI工具在制造业等行业的应用。帮助学员熟悉常用AI工具的功能特性、应用场景及操作方法。
2.技能培养目标
培养学员运用 AI 技术进行知识获取的能力，能够从多元数据中精准提取有价值知识元素。提升学员利用 AI 优化知识存储与组织的技能，构建高效知识体系，实现快速检索与灵活调用。锻炼学员借助 AI 构建个性化知识推荐系统的能力，为不同用户提供适配的知识服务。
3.素养提升目标
培养学员对 AI 技术与知识管理融合的敏锐洞察力，能够主动关注行业前沿动态，不断探索新技术应用于知识管理的创新模式。增强学员在知识管理中合理运用 AI 技术的伦理意识，确保数据安全与知识合规使用。
证书：
颁发上海市人工智能技术协会认可证书，需单独支付证书费用RMB 200/张。
一、课程导入
1.课程背景与目标
阐述知识管理在当今信息爆炸时代的重要性。
介绍 AI 技术如何为知识管理带来变革与创新，明确课程学习目标，帮助学员掌握 AI 赋能知识管理的核心技能与方法。
2.课程内容概述
对整个课程框架进行简要介绍，让学员了解课程涵盖 AI 基础技术架构、AI 在知识管理中的应用场景以及常见AI工具的详细介绍与实践应用等内容。
二、AI 基础技术架构
1.机器学习基础
介绍机器学习的概念、分类（监督学习、无监督学习、半监督学习等）。
讲解常见的机器学习算法，如决策树、神经网络、支持向量机等，通过案例分析让学员理解算法原理及应用场景。
2.深度学习架构
深入剖析深度学习的神经网络结构，包括多层感知机（MLP）、卷积神经网络（CNN）、循环神经网络（RNN）及其变体（LSTM、GRU 等）。
介绍深度学习框架，如 TensorFlow、PyTorch 等，让学员了解框架的基本使用方法和优势。
3.自然语言处理（NLP）技术基础
讲解 NLP 的主要任务，如文本分类、情感分析、机器翻译、问答系统等。
介绍 NLP 中的关键技术，如词向量模型（Word2Vec、GloVe 等）、语言模型（BERT、GPT 等），分析其在知识管理中的潜在应用。
三、AI 在知识管理中的应用
1.知识获取
讲解如何利用 AI 技术自动从海量文本、图像、音频等数据中提取有价值的知识，如通过 OCR 技术识别文档文字、利用语音识别技术将音频转化为文本进行知识挖掘。
介绍基于机器学习和 NLP 的信息抽取技术，如何从非结构化数据中抽取实体、关系和事件等知识元素。
2.知识检索与推荐
讲解基于 AI 的知识检索技术，如向量空间模型、语义检索等，如何提高检索的准确性和效率。
介绍个性化知识推荐系统，利用协同过滤、内容推荐等算法为用户提供个性化的知识推荐服务，满足不同用户的知识需求。
3.知识创新与决策支持
分析 AI 如何通过知识推理、数据挖掘等技术发现新知识、新规律，为企业创新提供支持。
介绍 AI 在决策支持中的应用，如通过数据分析和预测模型为管理者提供决策依据，辅助企业做出更明智的决策。
四、常见AI工具介绍及应用
1.常见AI工具的概述
介绍常用AI工具比如Deepseek的背景、特点和优势，在多个领域具有广泛应用。讲解常用AI工具的基本功能和使用界面，让学员对其有初步认识。
2.AI工具在制造业等领域的应用案例分析
探讨常见AI工具在不同行业（如制造型企业、金融、医疗、教育等）中的应用模式和效果。
讲师介绍：
上海市人工智能技术协会特聘讲师
上海人工智能研究院专家/顾问
国际标准IEEE P2807.13《知识图谱与大规模预训练模型融合框架》牵头专家
国际标准IEEE P2807.12《基于知识图谱的知识服务技术要求》牵头专家
中国信通院《基于大模型的科研文献助手技术要求》牵头专家
人工智能专家，在AI基础技术预研、产品开发和生态建设方面有丰富经验；牵头参与2项科技部国家重点研发计划“战略性科技创新合作”AI课题项目；牵头与参与的省部级项目7项；参加超过20项国际国内AI标准制定并担任重要角色。正在研发的围绕AIGC的产品包括与国内头部矿山安全公司合作的安全生产大模型，与国内头部基础设施央企合作的工程文档评审领域大模型。
