Aprende desde cero a construir, consultar y aplicar Knowledge Graphs combinando teoría y práctica con herramientas reales para representar y aprovechar conocimiento de forma inteligente.

💡

¿Qué aprenderás?

Comprender los fundamentos teóricos de los grafos y su aplicación en los Knowledge Graphs (KGs).

Identificar las diferencias entre bases de datos tradicionales y Knowledge Graphs.

Construir, representar y consultar Knowledge Graphs utilizando herramientas como Neo4j, RDF y SPARQL.

Entender el uso de ontologías y taxonomías para estructurar el conocimiento.

Aplicar técnicas de extracción de información desde datos estructurados y no estructurados.

Familiarizarte con casos de uso reales en distintas industrias (búsquedas, bioinformática, asistentes virtuales).

📚

Contenido del curso

Módulo Descripción
Módulo 1: Introducción a Knowledge Graphs (KGs)
Conocerás qué son los Knowledge Graphs, su utilidad, aplicaciones clave y cómo se diferencian de las bases de datos tradicionales.
Módulo 2: Construcción y Representación de KGs
Aprenderás los tipos de KGs, el rol de las ontologías y taxonomías, y los métodos para construirlos desde datos estructurados y no estructurados
Módulo 3: Almacenamiento y Consultas en KGs
Explorarás las principales bases de datos de grafos, los lenguajes de consulta como SPARQL y Cypher, y cómo implementar consultas en Neo4j.
Módulo 4: Embeddings para Knowledge Graphs
Descubrirás por qué los embeddings son necesarios para representar grafos de forma numérica y cómo se aplican en tareas de aprendizaje automático.
Módulo 5: Aplicaciones avanzadas y casos de uso
Analizarás casos reales de uso de KGs en distintas industrias como salud, finanzas, comercio y tecnología.
📄

Descripción del Curso

Este curso ofrece una introducción completa a los Knowledge Graphs, desde sus fundamentos teóricos hasta su implementación práctica. A lo largo de seis módulos, aprenderás a construir, representar y consultar grafos de conocimiento utilizando tecnologías como RDF, OWL y Neo4j. Además, explorarás cómo extraer conocimiento desde datos estructurados y no estructurados, y cómo aplicar técnicas de machine learning sobre grafos. Ideal para quienes buscan una base sólida en el modelado semántico de datos y su aplicación en el mundo real.
🎒

¿Qué incluye el curso?

  • Clases teóricas claras con ejemplos reales.
  • Ejercicios guiados y notebooks en Colab listos para usar.
  • Actividades con código incompleto para que practiques resolviendo.
  • Acceso a recursos descargables y bibliografía recomendada.
👥

Público objetivo

  • Estudiantes y profesionales de ciencia de datos, inteligencia artificial y análisis semántico.
  • Ingenieros de software interesados en bases de datos no relacionales.
  • Investigadores en bioinformática, procesamiento de lenguaje natural y sistemas de recomendación.
  • Cualquier persona interesada en entender cómo se estructura y representa el conocimiento de forma semántica.