Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Reprezentace znalostí a základy inženýrství ontologií
Důležitost inženýrství ontologií pro umělou inteligenci a podnikovou architekturu
- Rozvoj semantických technologií, znalostních grafů a systémů umělé inteligence ve firmách
- Rozdíly mezi ontologiemi, taxonomiemi a kontrolovanými slovníky
- Standardy W3C: RDF, OWL, RDFS a SKOS – základy semantického webu
- Praktické využití: ontologie ve zdravotnictví (SNOMED CT), výrobě, obraně, autonomních systémech i ve vládních organizacích
Klíčové koncepty a terminologie ontologií
- Třídy, vlastnosti, jednotlivé entity a datové typy ve formálních ontologiích
- Omezení, axiomy a základy logického usuzování
- Top-level ontologie: BFO, DOLCE, UFO – obecné základy pro různé odvětví
- Návrh ontologií v konkrétních oblastech: automobilový průmysl, zdravotnictví, letectví a finančnictví
Základní funkce a osvědčené postupy nástroje Cameo Concept Modeler
Seznámení s prostředím Cameo Concept Modeler
- Ekosystém nástrojů Emerging Markets Suite a jeho využití při tvorbě ontologií
- Přehled uživatelského rozhraní: pracovní prostor, paleta nástrojů, typy diagramů a inspektory vlastností
- Instalace, licencování a konfigurace prostředí pro firemní nasazení
Tvorba struktur ontologie a jejich relací
- Vytváření tříd a správa jejich hierarchie včetně dědičnosti relací
- Relace mezi objekty: vlastnosti, pod-relace a omezení těchto vazeb
- Datové vlastnosti: atributy, datové typy a jejich omezení platnosti v daném kontextu
- Tvorba doménových modelů pomocí konceptuálních schémat a speciálních typů diagramů
Návrhové vzory při tvorbě ontologií v nástroji Cameo Concept Modeler
- Standardizované návrhové vzory: hierarchie, role, časová omezení atd.
- Knihovna opakovaně použitelných vzorů – jejich aplikace na konkrétní doménové modely
- Tvorba ontologií pomocí vzorů pro běžné podnikové situace
- Anti-vzory: časté chyby při modelování a jak se jim vyhnout
Tvorba znalostních grafů a semantické modelování
Generování znalostních grafů ze struktur ontologií
- Převod konceptuálních modelů do reprezentace RDF a databází grafů
- Integrace heterogenních zdrojů dat za využití ontologií
- Mapování relací mezi entitami k modelům znalostních grafů
- Import stávajících datových modelů do prostředí Cameo Concept Modeler a jejich následná práce s nimi
Pokročilé techniky semantického modelování
- Vícerozměrné ontologie a sladění různých doménových modelů
- Strategie pro sloučení více ontologií při větších projektech
- Správa verzí a evoluce existujících ontologií
- Tvorba jednodušších sub-ontologií typů EL, RL či QL pro lepší interoperability
Reprezentace ve formátu OWL, mechanismy vyplývajících závěrů a jejich validace
Export a práce s reprezentací ontologie v formátu OWL
- Výběr vhodného profilu OWL 2: EL, QL, RL či DL – kdy který použít
- Export dat z nástroje Cameo Concept Modeler do formátů OWL/XML, Turtle a RDF/XML
- Import existujících ontologií v OWL pro jejich úpravy a vizualizaci
- Převod mezi různými reprezentacemi ontologie
Mechanismy vyplývajících závěrů a logická konzistence modelu
- Nástroje pro automatizované vyplývající závěry: HermiT, Pellet a FaCT++ integrované do Cameo Concept Modeler
- Konfigurace těchto nástrojů přímo v prostředí modelování
- Detekce nesrovnalostí, klasifikace a ladění ontologie pomocí logických pravidel
- Definice axiomů odpovídajících konkrétním oblastním zákonitostem
Metodiky testování a validace ontologií
- Automatizované kontroly integrity a logické správnosti struktury ontologie
- Ruční metody testování: ověření instancí, konzistence vzorů a expertní posudek
- Kritéria kvality: celková soudržnost modelu, pokrytí axiomatickými pravidly a sladění různých domén
Ontologie v podnikové architektuře a systémovém inženýrství (MBSE)
Tvorba architektury firem s pomocí ontologií
- Spojování doménových ontologií s standardními rámci podnikové architektury (TOGAF, Zachman)
- Modelování obchodních schopností pomocí formálních struktur ontologie
- Propojování strategických cílů, procesů a informačních artefaktů skrze ontologické modely
- Tvorba systémů podporujících rozhodovací procesy založená na společné znalostní základně
Aplikace ontologií v postupech MBSE s nástroji Cameo SysML a PTC Creo Model Center
- Integrace struktur ontologie se systémy SysML a návrhovými modely
- Sledování požadavků na systém a jejich ověření díky využití ontologií
- Analýzy modelů pomocí Cameo Concept Modeler a Cameo SysML při vývoji systémů
- Tvorba požadavků založená na konceptuálních modelech s podporou ontologií pro validaci
Integrace s nástroji Protégé a Magic Studio
- Vzájemná spolupráce mezi Cameo Concept Modeler a nástrojem Stanford Protégé
- Pracovní postupy v nástroji Protégé pro tvorbu ontologií, jejich validaci pomocí vyplývajících závěrů a rozšíření o pluginy
- Využití Magic Studio k řízení vícenástrojového tvorby ontologií a spolupráci týmů
- Sjednocený pracovní postup včetně nástrojů Cameo, Protégé i Magic Studio pro kompletní inženýrství ontologií
Modul 6: Příprava na využití ontologií s umělou inteligencí a chytrými systémy
Strukturované znalosti jako základ pro AI a velké jazykové modely
- Ontologie využitelné v rámci procesů RAG (retrieval-augmented generation) u modelů typu LLM
- Omezení výskytu halucinací a zlepšení spolehlivosti generativních AI systémů pomocí doménových ontologií
- Semantické vyhledávání informací s využitím struktury ontologie
- Integrace vektorových databází: kombinace znalostních grafů a reprezentace embeddingů
Ontologie v rámci vývoje strojového učení
- Generování atributů pro trénování modelů z ontologických struktur a datových schémat
- Pomoc ontologií při označování dat a tvorbě procesů pro učení na datových sadách
- Generování embeddingů z uzlů grafu pomocí technik node2vec či TransE v kombinaci s neuronovými sítěmi
- Ontologie jako součást řízení metadat a automatizace procesů strojového učení
Architektury podporující AI a MLOps pro systémy založené na znalostech
- Tvorba datových struktur připravených pro AI s využitím formálně zakódovaných doménových poznatků
- Správa verzí, řízení a kontinuální aktualizace ontologií podporujících znalostní grafy
- Interace MLOps: sledování fungování modelů využívajících ontologie během produkčního provozu
- Automatizované rozpoznávání změn v oblasti a vyvolání aktualizace ontologie na základě monitorování trendů
Pokročilé metody inženýrství a řízení ontologií
Řízení podnikových ontologií a správa jejich životního cyklu
- Rámce pro řízení ontologií: role administrátorů, procesy schvalování a způsoby jejich publikace
- Spolupráce různých subjektů: sdílené prostředí pro editaci modelů a kolektivní tvorbu ontologií
- Dokumentování struktur, verzování změn a archivace historie evoluce modelů
- Možnosti monetizace podnikových znalostí a vytváření trhů s konkrétními oborovými ontologiemi
Interoperabilita a vícenástrojové postupy práce s ontologiemi
- Správa kontrolovaných slovníků typu SKOS v rámci firemních terminologií
- Pracovní principy Linked Open Data: propojení externích ontologií jako DBpedia, Wikidata či Schema.org
- Využití dotazů SPARQL pro vyhledávání v reprezentaci grafů a strukturách znalostí
- Připojování databází typu grafu jako Neo4j či Amazon Neptune k ontologickým modelům prostřednictvím RDF storage modulů
Komplexní příklady použití ontologií v různých odvětvích
- Letecký a obranný průmysl: standardy MIL-STD, modelování složených systémů
- Zdravotnictví: klinické ontologie, integrace se standardem FHIR, podpora diagnostických rozhodnutí
- Dodavatelské řetězce a výroba: průmyslové standardy pro tvorbu IoT-znalostních grafů
- Finanční sektor: rizikové ontologie, sledování předpisů a generování reportů podle legislativy
Praktický závěrečný projekt – tvorba korporátního řešení na bázi ontologie
Komplexní výzva v oblasti inženýrství ontologií
- Praktické úkoly: vytvoření doménové struktury pro realistický podnikový případ
- Navrhnutí hierarchie tříd, definice jejich vlastností a nastavení omezení pomocí nástroje Cameo Concept Modeler
- Export dat do formátu OWL s následným ověřováním pomocí mechanizmů vyplývajících závěrů
- Integrace s nástrojem Protégé pro rozšířenou kolaborativní editaci a kontrolu modelu
- Tvorba reprezentace grafu vázaného na databázi RDF
- Představení výsledného řešení s vysvětlením architekturních principů, plánu správy a strategie budoucí integrace do umělé inteligence
Trendy v oboru, profesní možnosti a rozvoj kariéry
Nové směřování v inženýrství ontologií a semantických technologiích AI
- Poměr umělé inteligence a znalostních grafů: kombinace přístupů u nové generace chytrých systémů
- Vývoj ontologií v souvislosti s LLM: kdy je výhodnější použít strukturu ontologie a kdy stačí embeddingové modely
- Rozvoj standardů: aktivity pracovních skupin W3C, novinky v OWL 2.3 či SKOS
- Průmysl 4.0 a digitální dvojčata: role ontologií při modelování reálných procesů v reálném čase
- Pokročilá reprezentace znalostí: kombinace textu, grafů a neuronových sítí
Rozvoj profesních dovedností a možnosti certifikací
- Doplňkové schopnosti: práce s RDF, SPARQL, Pythonem (RDFLib, PyJena), databázemi typu Neo4j či algoritmy na grafech
- Certifikace v oblasti MBSE: cesty k dosažení kvalifikací INCOSE a zvládnutí jazyka SysML
- Profesní certifikáty pro tvorbu firemních architektur: TOGAF a ArchiMate
- Tvorba portfolia specialisty na ontologie: publikování vlastních grafů, přispívání k otevřeným projektům a sestavování studií případů
- Aktivní účast na rozvoji open-source systémů a ekosystému W3C pro RDF/OWL
Požadavky
k účasti na tomto kurzu nejsou vyžadovány žádné specifické předpoklady.
Cílová skupina:
- Inženýři systémů podílející se na modelování architektury a návrhu systémů.
- Praktici modelově orientovaného inženýrství systémů (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
