Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Základy reprezentace znalostí a inženýrství ontologií
Proč je inženýrství ontologií důležité pro AI a architekturu podniku
- Růst sémantických technologií, znalostních grafů a podnikových systémů AI
- Pochopení rozdílů mezi ontologiemi, taxonomiemi a kontrolovanými slovníky
- Normy W3C: RDF, OWL, RDFS, SKOS – stoh sémantického webu
- Příklad z praxe: zdravotnické ontologie (SNOMED CT), výroba, obrana, autonomní systémy a vládní sektory
Základní koncepty a terminologie ontologií
- Třídy, vlastnosti, jednotlivci a datové typy ve formálních ontologiích
- Omezení, axiomy a základy logického odvozování
- Vyšší ontologie: BFO, DOLCE, UFO a doméně-nezávislé základy
- Návrh doménově specifických ontologií: automobilový průmysl, zdravotnictví, letectví a finanční služby
Cameo Concept Modeler – základní funkce a nejlepší praktiky
Úvod do nástroje Cameo Concept Modeler
- Ekosystém Emerging Markets Suite a umístění nástroje pro návrh ontologií
- Procházka uživatelským rozhraním: pracovní plocha, paleta, typy diagramů a inspektory vlastností
- Instalace, licencování a konfigurace prostředí pro nasazení v podniku
Definování struktur a vztahů ontologie
- Vytváření tříd a správa hierarchie s odvozením mezi podtřídami a nadřazenými třídami
- Objektové vlastnosti: vztahy, podvlastnosti a omezení vztahů
- Datové vlastnosti: atributy, datové typy a omezení domény/rozsahu
- Tvorba doménových modelů pomocí konceptuálních schémat a typů diagramů
Vzorové návrhy ontologií v nástroji Cameo Concept Modeler
- Standardní vzory návrhu ontologií: partonomie, hierarchie, role a časové vzory
- Knihovna znovupoužitelných vzorů: mapování mezi doménovými modely a osvědčenými vzory
- Autorská tvorba ontologií na základě vzorů pro běžné podnikové případy použití
- Anti-vzory: běžné chyby modelování a jak se jim vyhnout
Tvorba znalostních grafů a sémantické modelování
Vytváření znalostních grafů z modelů ontologií
- Převod konceptuálních modelů do reprezentace RDF a databází grafů
- Integrace dat řízená ontologiemi: harmonizace heterogenních zdrojů dat
- Modelování vztahů entit propojené se schématy znalostních grafů
- Import a mapování existujících datových modelů do pracovních postupů nástroje Cameo Concept Modeler
Pokročilé techniky sémantického modelování
- Více-dimenzionální ontologie a zarovnání modelů mezi doménami
- Strategie sloučení a zarovnání ontologií pro projekty v měřítku podniku
- Versionspráva a řízení změn vyvíjejících se ontologií
- Profily ontologií: generování podontologií EL, RL a QL pro interoperabilitu
Reprezentace OWL, odvozovací engine a validace
Export a práce s reprezentacemi OWL
- Výběr profilu OWL 2: EL, QL, RL a DL – kdy který použít
- Export z nástroje Cameo Concept Modeler do formátů OWL/XML, Turtle a RDF/XML
- Import existujících ontologií OWL do nástroje Cameo Concept Modeler pro úpravy a vizualizaci
- Mapování a překlad mezi různými reprezentacemi ontologií
Odvozování a logická konzistence
- Tableau a automatické odvozovací engine: integrace HermiT, Pellet a FaCT++
- Konfigurace odvozovače Owl v pracovních postupech nástroje Cameo Concept Modeler
- Detekce nekonzistence, klasifikace a ladění modelů ontologií
- Tvorba a validace odvozených axiomů pro doménově specifická logická pravidla
Metodologie testování a validace ontologií
- Automatizované validační pipeline pro integritu a logickou správnost ontologií
- Manuální testovací strategie: kontrola instancí, validace vzorů a expertní revize
- Metriky kvality: strukturální soudržnost, pokrytí axiomů a mezidoménové zarovnání
Ontologie v architektuře podniku a systémovém inženýrství (MBSE)
Modelování architektury podniku řízené ontologiemi
- Sloučení doménových ontologií s rámcemi architektury podniku (TOGAF, Zachman)
- Modelování schopností podniku s formálními reprezentacemi ontologií
- Propojení strategických cílů, obchodních procesů a informačních artefaktů prostřednictvím ontologických modelů
- Architektura podnikové znalostní báze pro systémy podpory rozhodování
Ontologie v pracovních postupech MBSE s nástroji Cameo SysML a PTC Creo Model Center
- Integrace modelů ontologií s diagramy SysML a modely požadavků
- Pracovní postupy sledovatelnosti a ověřování systémových požadavků řízené ontologiemi
- Analýza modelů pomocí nástrojů Cameo Concept Modeler a Cameo SysML pro systémové inženýrství
- Specifikace požadavků pomocí formálních konceptuálních modelů a validace podporované ontologiemi
Integrace s nástroji Protégé a Magic Studio
- Interoperabilita mezi nástrojem Cameo Concept Modeler a Stanford Protégé
- Pracovní postupy Protégé pro autorskou tvorbu ontologií, integraci odvozovačů a ekosystém pluginů
- Integrace s Magic Studio pro správu ontologií mezi nástroji a společnou autorskou tvorbu
- Orchestrování nástrojů: Cameo + Protégé + Magic Studio pro kompletní inženýrství ontologií
Modul 6: Připravenost na AI řízená ontologiemi a inteligentní systémy
Strukturované znalosti pro AI a velké jazykové modely
- Ontologii podpořené znalostní grafy jako pipeline pro generativní AI s augmentovaným získáváním informací (RAG)
- Doménové ontologie pro snížení rizika halucinací a zakotvení generativních systémů AI
- Sémantické vyhledávání a získávání informací pomocí indexování umožněného ontologiemi
- Integrace vektorových databází: hybridní architektury znalostního grafu + vektorových vnoření (embeddings)
Ontologie v pipelinech strojového učení
- Engineering funkcí z ontologických schémat pro úkoly učení se s učitelem
- Označování dat vedené ontologií a pipeline řízená schématy
- Vektorová vnoření znalostních grafů: node2vec, TransE a integrace grafových neuronových sítí
- Ontologie pro automatizované orchestrování pipeline ML a správu metadata
Architektura připravená na AI a MLOps pro systémy řízené znalostmi
- Tvorba architektury dat připravené na AI s vrstvami formalizovaných doménových znalostí
- Versionspráva ontologií, governance a kontinuální integrace pro znalostní grafy
- Integrace MLOps: monitorování modelů řízených ontologiemi v produkčních pipelinech
- Automatizovaný vývoj ontologií: monitorování změn domény a spouštění aktualizací
Pokročilé inženýrství ontologií a governance
Enterprise governance a řízení životního cyklu ontologií
- Rámce governance ontologií: správa, pracovní postupy schvalování a kanály publikování
- Spolupráce se zájemci: sdílené pracovní prostory ontologií a pracovní postupy více autorů
- Dokumentace ontologií a protokoly změn ontologií pro auditní stopy
- Monetizace ontologií a strategie podnikových trhů se znalostmi
Interoperabilita a cross-platform pracovní postupy ontologií
- Slovníky SKOS a řízení kontrolované terminologie pro podnikové glosáře
- Zásady Linked Open Data (LOD) pro vnější zarovnání ontologií (DBpedia, Wikidata, Schema.org)
- Ptázní dotazy na bázi SPARQL a prozkumování znalostních grafů
- Backendy grafových databází: Neo4j, Amazon Neptune a RDF triple stores propojené s modely ontologií
Komplexní scénáře ontologií a průmyslové aplikace
- Letectví a obrana: ontologie MIL-STD a modelování systémů systémů
- Zdravotnictví: klinické ontologie, integrace s FHIR a modely podpory diagnostického rozhodování
- Dodavatelský řetězec a výroba: průmyslové standardy ontologií a IoT znalostní grafy
- Finančnictví: rizikové ontologie, rámcové zprávy o regulacích a znalostní grafy dodržování předpisů
Praktická závěrečná úloha – řešení enterprise ontologie
Výzva v oblasti inženýrství ontologií od začátku do konce
- Projekt na základě scénáře: definování doménové ontologie pro realistický podnikový případ použití
- Návrh hierarchie tříd, definice vlastností a axiomy omezení pomocí nástroje Cameo Concept Modeler
- Export do formátu OWL a validace prostřednictvím automatických odvozovacích engineů
- Integrace s nástrojem Protégé pro společnou úpravu a rozšířenou validaci
- Tvorba reprezentace znalostního grafu a připojení k úložišti RDF
- Představení ontologie s architektonickými odůvodněními, plány governance a strategií připravenosti na AI
Průmyslové trendy, profesní dráhy a odborný rozvoj
Emergující trendy v inženýrství ontologií a sémantické AI
- Generativní AI setkávající se se znalostními grafy: hybridní přístupy pro inteligentní systémy další generace
- Vývoj ontologií v éře LLM: kdy používat ontologie a kdy stačí vektorová vnoření
- Vývoj norem: nové pracovní skupiny W3C, vývoj OWL 2.3 a pokroky ve SKOS
- Průmysl 4.0 a digitální dvojčata: ontologie pohánějící průmyslový IoT a reálné modelování v čase
- Mnoho-modální reprezentace znalostí: kombinace textu, grafu a neuronových sítí
Profesní rozvoj a cesty k certifikaci
- Doplňkové dovednosti: RDF/SPARQL, Pythonové nástroje pro ontologie (RDFLib, PyJena), Neo4j a grafové algoritmy
- Certifikace MBSE: cesty certifikace INCOSE a profiencience SysML
- Ocenění za architekturu podniku: certifikace TOGAF a modelování ArchiMate
- Tvorba portfolia inženýra ontologií: veřejné znalostní grafy, příspěvky k ontologiím a případové studie
- Přispívání do open-source ontologií a ekosystému W3C RDF/OWL
Požadavky
Pro účast na tomto kurzu nejsou potřeba žádné specifické předpoklady.
Cílová skupina:
- Systémoví inženýři zapojení do modelování architektury a návrhu systémů.
- Praktici Model-Based Systems Engineering (MBSE).
24 Hodiny
Reference (2)
Vědomosti ošetřovatele, jeho zapojení a vztah k účastníkům
Adam Kuklewski - GE Medical Systems Polska
Kurz - Technical Architecture and Patterns
Přeloženo strojem
Přímý vztah k našemu pracovnímu tématu v příkladech
Gabriel Gutierrez - ARGOTEC S.r.l.
Kurz - Systems Modelling with SysML
Přeloženo strojem
