> For the complete documentation index, see [llms.txt](https://advancedguideforsds.gitbook.io/advancedguide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://advancedguideforsds.gitbook.io/advancedguide/pei-yang-fang-an-jie-xi/da-san-chun-ji-xue-qi/zhi-shi-gong-cheng-zhuan-ye-xuan-xiu.md). # 知识工程（专业选修） 2.5学分
## 课程简介 本课程系统介绍知识工程理论及应用。由于知识的复杂性，知识模型多种多样。本课程涵盖自然语言知识模型、数据知识模型、语义网络与知识图谱、描述逻辑知识模型、传统逻辑知识模型、规则知识模型、概率知识模型、神经网络与向量知识模型以及知识方程等等。 ## 前置知识设计的课程 离散数学 ## 往年经验 这门课程不设考试，有一个贯穿学期的大作业，需要小组合作完成。具体是做一个知识工程相关的项目。每隔两周会有一个checkpoint（要求项目有进展）。最后一节课是所有人展示小组项目。每组控制在15分钟内（系统演示 + 老师/同学提问）。大家可以根据自己的系统功能进行演示讲解，包括项目介绍、关键部分代码实现、系统运行情况等。每组根据自身需求选择是否制作PPT演示，不强制要求。 平时作业都是课堂上涉及到的知识点，难度系数一颗星。 课堂上互动性比较强（会有课堂回答问题加分环节。虽然老师不说，但是会问名字记下来），会让学生在课堂上分组讨论并展示，培养思维能力、表达能力。 课程涉及到的知识比较多，包括一阶逻辑、深度学习、图论、复杂系统等。但课堂涉及到的知识讲解比较浅、遇到大家都学过的知识一般都会浅浅的点一下就过了。 **课程大纲：** 一、绪论 二、知识模型概统 三、自然语言 四、数据模型、XML与框架系统 五、语义网络与知识图谱 六、逻辑知识模型 七、描述逻辑、RDF与OWL 八、规则知识模型：应用 九、概率知识模型 十、神经网络与向量知识模型 十一、知识方程 十二、总结与展望 ## 与后续课程等关系 本课程无后续课程，但是能够提供一个做完整项目的一次机会。