课程目录：
1-语言与知识
人工智能学习路线图
2-知识图谱的起源
3-知识图谱的价值
4-知识图谱的技术内涵
5-什么是知识表示
6-人工智能历史发展长河中的知识表示
7-知识图谱的符号表示方法
8-知识图谱的向量表示方法
9-基于关系型数据库的知识图谱存储
10-基于原生图数据库的知识图谱存储
11-原生图数据库实现原理浅析
12-重新理解知识工程与知识获取
13-知识抽取——实体识别与分类（一）
14-知识抽取——实体识别与分类（二）
15-知识抽取——关系抽取与属性补全（一）
16-知识抽取——关系抽取与属性补全（二）
17-知识抽取——概念抽取
18-知识抽取——事件识别与抽取
19-知识抽取技术前沿
20-什么是推理
21-知识图谱推理简介
22-基于Ontology的推理
23-基于规则的推理
24-基于嵌入学习的知识图谱推理
25-基于规则学习的知识图谱推理
26-OntologyEmbedding—本体概念层推理
27-知识图谱融合概述
28-概念层融合——本体匹配
29-实例层的融合——实体对齐
30-知识融合技术前沿
31-智能问答系统概述
32-基于查询模版的知识图谱问答
33-基于语义解析的知识图谱问答
34-基于检索排序的知识图谱问答
35-基于深度学习的知识图谱问答
36图的基本知识
37-基础图算法
38-图神经网络与图表示学习（一）
39-图神经网络与图表示学习（二）
40-图神经网络与知识图谱
41-多模态知识图谱
42-知识图谱与语言预训练
43-事理知识图谱
44-知识图谱与低资源学习