Construcción de grafos de conocimiento: enfoque mejorado con LLM para recomendaciones de videos educativos

Resumen

Descubra el potencial de los grafos de conocimiento inteligentes adaptados para recomendaciones de videos educativos al aprovechar el poder de los Modelos de Lenguaje de Gran Tamaño (LLM) y los embeddings semánticos. En este cautivador curso, profundice en las técnicas de extracción de conceptos clave, el mapeo de relaciones complejas, y la creación de rutas de aprendizaje personalizadas que se adaptan a las necesidades individuales.

Presentado por expertos líderes, esta oferta está en la vanguardia de la tecnología educativa. Comience a transformar cómo se recomiendan los contenidos de aprendizaje hoy mismo.

Programa de estudio

• Introducción a los Grafos de Conocimiento
Visión general y definición de grafos de conocimiento
Aplicaciones en la educación y el aprendizaje personalizado
Componentes clave: nodos, aristas y propiedades
• Modelos de Lenguaje de Gran Escala (LLMs) en Educación
Introducción a los LLMs y sus capacidades
Rol de los LLMs en la mejora de tecnologías educativas
Breve descripción de LLMs y marcos populares
• Incrustaciones Semánticas para la Extracción de Conceptos
Introducción a las incrustaciones semánticas
Técnicas para la extracción de conceptos usando incrustaciones
Mapeo de incrustaciones semánticas a nodos de grafos de conocimiento
• Construyendo el Grafo de Conocimiento
Recolección y pre-procesamiento de datos para contenido educativo
Identificación de entidades y relaciones en metadatos de video
Estructuración e implementación del grafo de conocimiento
• Integración de LLMs con Grafos de Conocimiento
Métodos para combinar salidas de LLMs con grafos de conocimiento
Mejora del reconocimiento de entidades y mapeo de relaciones
Uso de LLMs para la comprensión contextual
• Recomendaciones de Videos Educativos
Desarrollo de algoritmos de recomendación usando grafos de conocimiento
Técnicas para generar rutas de aprendizaje personalizadas
Estudios de caso y ejemplos de implementaciones exitosas
• Métricas de Evaluación y Mejora Continua
Evaluación de la efectividad de las recomendaciones de video
Ciclos de retroalimentación para mejorar el grafo de conocimiento
Tendencias futuras y oportunidades en la educación mejorada por IA
• Proyecto Práctico
Construcción de un simple grafo de conocimiento para videos educativos
Aplicación de métodos mejorados por LLM para recomendaciones
Presentación de resultados e insights del proyecto
• Conclusión y Direcciones Futuras
Resumen de los aprendizajes clave
Discusión sobre el futuro de la IA en tecnologías educativas
Sesión de preguntas y respuestas y discusión abierta para ideas innovadoras

---

Asignaturas

Ciencias de la Computación