K2知识学堂应景开课啦！《知识结构化》系列课程

暑假结束，万兽归巢，开场大戏正式上演。K2 知识学校也同样开放！

《知识结构化》系列课程，由昆仑数据首席数据科学家田春华博士讲解，从行业知识的角度，将引导你深入理解知识沉淀的方法，分析经典知识沉淀与大数据时代的知识沉淀。

目前，第一方《行业知识概念分析》已经在B站上架。

什么是知识？工业知识的分类有哪些？我们要挖掘的工业知识在哪里？过去的知识应用形式？什么是知识结构？为什么是结构？本视频详细解答了这些问题。

田波有话要说

曾几何时，作为人工智能的主要工具，专家系统（昨日重现）。在统计学习和深度学习大行其道的今天缄默知识，数据驱动模型在工业应用中也遇到了一些挑战。

在业界，各种专家经验和多源异构数据“多博通”，专家知识与数据驱动相结合，有望实现维度思维和降维动作。本视频系列探讨了大数据时代工业知识结构化的挑战和方法，希望能够吸引他人，共同提升工业数据的价值。

一、行业知识初步分类

从知识的清晰度上：分为可以清楚表达的显性知识、只能部分表达而不能用语言完全表达的隐性知识、只能理解而不能表达的隐性知识。

从知识本身的用途来看：分为表示各种概念之间关系的概念性知识和表示如何做的程序性知识。

2.行业知识沉淀主要集中在两个方向：日常知识自动化和案例库的形式化管理。

3. 为什么要进行知识结构

技术视角：行业知识结构可以系统演进、不断积累、低损耗继承。

经济观点：

在宏观层面，工业软件的核心是工业知识，知识结构可以更好的延续缄默知识，实现工业软件的自主性；

细观层面，我国产业目前正在从跟踪型向领先型转变。只有行业知识的沉淀和不断演化、验证和积累，才能推动向领先型转变；

微观层面，企业人才体系面临巨大挑战。老专家面临退休，经验需要传承。同时，年轻人对创造性工作的渴望，加速了知识积累的紧迫性。

下次通知

在接下来的小课堂中，田博将与大家分享经典的知识沉淀法，回答知识结构化为什么这么难，大数据能给行业知识结构化带来哪些变化？敬请关注！