Dieser MOOC - eine gemeinsame Initiative von EIT Digital, der Université de Nice Sophia-Antipolis / Université Côte d'Azur und INRIA - führt in die Standards und Prinzipien von Linked Data ein, die die Grundlage des Semantic Web bilden. Sie lernen, wie Sie strukturierte Daten direkt aus dem Web veröffentlichen, erhalten und nutzen können. Das Erlernen der Prinzipien, Sprachen und Standards für den Datenaustausch im Web wird Sie in die Lage versetzen, neue Anwendungen, Produkte und Dienste zu entwerfen und zu produzieren, die den Umfang und die Vielfalt der im Web vorhandenen Daten nutzen.

Wir haben diesen Kurs in vier Teile gegliedert, die die wichtigsten technischen Fähigkeiten und Kompetenzen abdecken, die Sie beherrschen müssen, um das Web als Raum für den Austausch von Daten mit gigantischen Strukturen nutzen zu können: - im ersten Teil, "Prinzipien eines Webs mit verknüpften Daten": Sie lernen und üben die Prinzipien, um Daten direkt im Web anstelle von Webseiten zu veröffentlichen und zu erhalten; - im zweiten Teil, "Das RDF-Datenmodell": lernen Sie das Standard-Datenmodell für das Web und seine Syntaxen kennen, um Daten im Web in Ihren Anwendungen und Diensten zu veröffentlichen und zu verknüpfen; - im dritten Teil, "SPARQL Query Language": lernen Sie, wie Sie Datenquellen im Web direkt abfragen und darauf zugreifen und strukturierte Daten erhalten, die für Ihre Tätigkeit und Ihren Bereich relevant sind; - im vierten und letzten Teil, "Integration anderer Datenformate und -quellen": lernen Sie, wie die Webstandards mit anderen Datenformaten interagieren und zusammenarbeiten, um die Integration einer Vielzahl von Datenquellen zu ermöglichen. Jede Woche wechseln sich kurze Videos und Quizfragen sowie ergänzende Ressourcen und Foren ab, um schrittweise durch die verschiedenen Prinzipien und Standards voranzukommen. Nach erfolgreicher Teilnahme an diesem Kurs verfügen Sie über die Fähigkeiten, fokussierte und strukturierte Datensätze aus dem Web zu erhalten, die Sie dann nutzen können, um Ihre eigenen Datensätze zu erweitern, ihre Dimensionen anzureichern, Ihre Anwendungen zu füttern, Data Mining, maschinelles Lernen und Training, Datenanalyse, KI-Verarbeitung und -Schlussfolgerungen und anderes Datenmanagement durchzuführen.