Transforming Data to Intelligence with Knowledge Graphs and Large Language Models

Empower Your Data Modeling and Analytics with AI-Driven Contextual Intelligence

In de huidige datagestuurde wereld is het van cruciaal belang om zinvolle inzichten te kunnen halen uit onderling verbonden informatie. In het afgelopen decennium zijn knowledge graphs naar voren gekomen als het fundamentele raamwerk voor het beheer van complexe datanetwerken, waardoor organisaties entiteiten en concepten met elkaar kunnen verbinden om diepere inzichten te verkrijgen. Voor datamodelleurs, BI-analisten en datascientists bieden knowledge graphs een gestructureerde benadering van semantische data-integratie en maken ze betere besluitvorming mogelijk door middel van verbonden data.

Tegelijkertijd hebbenLarge Language Models (LLM’s) zoals OpenAI’s GPT een revolutie teweeggebracht in natuurlijke taalverwerking en AI-aangedreven analyses. Deze modellen blinken uit in het begrijpen en genereren van tekst, waardoor taken zoals vertalingen, tekstsamenvatting en zelfs semantisch zoeken worden geautomatiseerd. Als zodanig kunnen LLM’s voor datascientists en analisten een krachtig hulpmiddel zijn voor geavanceerde analyses, waardoor betere inzichten mogelijk worden dankzij hun diepgaande begrip van context en taal.

Wanneer knowledge graphs en LLM’s worden gecombineerd, kunnen ze een synergetisch effect creëren dat de manier waarop data wordt gemodelleerd, geanalyseerd en gebruikt, verbetert. Deze cursus laat u zien hoe u knowledge graphs kunt gebruiken om de nauwkeurigheid, betrouwbaarheid en verklaarbaarheid van LLM-outputs te verbeteren, en laat ook zien hoe LLM’s het schemaontwerp, de kennisverwerving en de kwaliteitscontrole van knowledge graphs kunnen verbeteren.

Deze tweedaagse cursus is bedoeld om dataprofessionals de kennis en praktische vaardigheden bij te brengen die nodig zijn om knowledge graphs en Large Language Models (LLM’s) te integreren in hun datamodellering en analytische workflows. Door theorie te combineren met praktijkervaring leren deelnemers alle essentiële stappen voor het opstarten en beheren van een knowledge graph-ontwikkelingsproject, met praktische begeleiding over het effectief inzetten van LLM’s in elke fase. Ze leren ook hoe ze knowledge graphs kunnen combineren binnen op LLM’s gebaseerde applicaties om de prestaties en betrouwbaarheid van deze applicaties te verbeteren.

Technologieën en Tools

In deze cursus verkennen we een reeks geavanceerde technologieën en tools die essentieel zijn voor het werken met knowledge graphs en large language models. Voor knowledge graphs richten we ons op industriestandaard frameworks zoals RDF/OWL en querying met SPARQL, naast praktische tools zoals Protege voor ontologieontwikkeling en GraphDB voor graph-opslag en querying. Deelnemers doen ook praktische ervaring op met Neo4j en Cypher. Aan de LLM-kant maken we gebruik van de GPT-modellen van OpenAI om te ontdekken hoe deze de nauwkeurigheid en bruikbaarheid van knowledge graphs kunnen verbeteren. Tot slot introduceren we Langchain, een robuust framework dat is ontworpen om de integratie van taalmodellen met externe gegevensbronnen te vereenvoudigen, waardoor het gemakkelijker wordt om complexe workflows te orkestreren en processen te automatiseren.

Leerdoelen

• Bepaal of een knowledge graph een geschikte oplossing is voor uw data-uitdagingen en specificeer de gewenste kenmerken ervan
• Begrijp de belangrijkste factoren die de haalbaarheid en levensvatbaarheid van de implementatie van een knowledge graph in een organisatie bepalen, en stel een passende ontwikkelingsstrategie op
• Ontwerp het schema van een knowledge graph op een manier die de rest van de ontwikkeling ervan veel gemakkelijker maakt
• Pas geavanceerde tools en methoden toe om een knowledge graph (semi-)automatisch te vullen met gegevens uit diverse bronnen
• Implementeer mechanismen om de kwaliteit van eenknowledge graph te beoordelen en te verbeteren
• Ontwerp en implementeer een strategie voor de ontwikkeling en het beheer van een knowledge graph
• Gebruik LLMs om alle stappen van de ontwikkeling van een knowledge graph te verbeteren.

Bestemd voor ú

• Data Modeling professionals die gebruik willen maken van geavanceerde AI voor meer dynamische en contextbewuste datamodellering
• Business Intelligence-analisten en Datawarehouse professionals die hun vermogen om complexe data te interpreteren willen verbeteren door semantische relaties en AI-gedreven inzichten te integreren
• Data Scientists die knowledge graphs en taalmodellen willen integreren in hun workflows om voorspellende analyses en besluitvorming te verbeteren
• Enterprise Data Professionals die in bedrijfsomgevingen werken en voorop willen blijven lopen door de nieuwste AI-tools te integreren om complexe organisatorische uitdagingen op te lossen
• Technology Leaders: architecten, CTO’s en IT-professionals die initiatieven op het gebied van data-integratie, semantische technologieën en generatieve AI verkennen of leiden.