什么是可被数据量化的硬知识?
来源: | 作者:pmod6d781 | 发布时间: 2021-09-02 | 840 次浏览 | 分享到:

暑假结束,神兽归笼,开学大戏正式上演。K2知识学堂也应景开课啦!

《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,从工业知识的角度出发,手把手带大家深入了解知识沉淀的方法,解析经典知识沉淀和大数据时代知识沉淀的区别。


目前,第一趴《工业知识概念解析》已在B站上架。

什么是知识?工业知识有哪些类别?我们想要发掘的工业知识在哪里?以往的知识运用形式?什么是知识结构化?为什么要结构化?本期视频详细解答了这些问题。


田博有话说

曾几何时,专家系统(Expert System)作为人工智能的主要工具,被寄予殷切期望,然而形式逻辑推理的模式遇到了发展的瓶颈。昨日重现,统计学习、深度学习大行其道的今天,数据驱动的模式在行业应用中也遇到了一些挑战。


在工业,多样专家经验和多源异构数据“闻多数博”,将专家知识与数据驱动融合起来,有望实现升维思考、降维行动。本视频系列讨论大数据时代下工业知识的结构化的挑战与方法,期望抛砖引玉,共同推进工业数据价值落地。


1、工业知识的初步分类

从知识的明确度:分为可以明确表达的显性知识,只能用语言表达一部分但无法完全表达的隐性知识,只可意会不可言传的缄默知识

从知识本身用途:分为表示各个概念之间关系的概念型知识、表示如何做的过程型知识


2、工业知识沉淀聚焦在例行的知识自动化、案例库的形式化管理两个方向。


3、为什么要做知识结构化


技术视角:工业知识结构化可以进行体系化演进、持续沉淀、低损传承。

经济视角

宏观层面,工业软件的核心是工业知识,知识结构化才能更好地延续,实现工业软件自主化;

中观层面,目前我国的工业正在从跟踪型转变为领先型,工业知识沉淀并持续演进、验证、积累,才能促进向领先型转变;

微观层面,企业人才体系面临很大的挑战,老专家面临退休,经验需要传递;同时年轻人渴望创造性工作,加速了知识沉淀的紧迫性。

完整视频课程:Bilibili搜索“昆仑数据K2DATA”观看最新视频。


下期预告

下期小课堂,田博将为大家分享经典的知识沉淀方法,解答知识结构化为什么这么难、大数据能为工业知识结构化带来哪些改变?敬请期待!