Introduit la modélisation sémantique par le biais de données tabulaires et de RDF, couvrant les bases de données relationnelles, la migration de schémas, les schémas à l'épreuve du temps, l'interrogation SPARQL et les limitations de métaconnaissance.
Explore les ontologies populaires et les bases de connaissances telles que WordNet, WikiData, Google Knowledge Graph et Schema.org, ainsi que les ensembles de données ouvertes liées.
Explore la représentation des connaissances, l'extraction de l'information et la vision du Web sémantique, en mettant l'accent sur la normalisation, la cartographie et les ontologies dans la structuration des données.
Explore le concept de Knowledge Graphs et leur rôle dans l'intégration des données et la compréhension sémantique, montrant des exemples et des applications du monde réel.
Couvre l'ontologie comme un dépôt de connaissances avec des significations convenues, évolution, mise à jour continue et conception d'ontologie intelligente.
Couvre les défis des systèmes d'information distribués, y compris l'autonomie, l'hétérogénéité, l'évaluation de la confiance et la protection de la vie privée.
Explore la gestion circulaire du cycle de vie, la fabrication sans défaut, l'analyse des mégadonnées et la maintenance prédictive dans les processus industriels.
Déplacez-vous dans le Big Data en neurosciences, en analysant les grands ensembles de données et en abordant les défis de l'organisation, de la normalisation, de l'intégration et de la visualisation des données.
