لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش شبکه های عصبی گراف پیشرفته
Advanced Graph Neural Networks
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
شبکه های عصبی گراف (GNN) را در عمق کاوش کنید. مربی Janani Ravi با بررسی عملکرد GNN ها، پوشش دادن پیام، تجمع، تبدیل، ریاضیات تبدیل و مکانیسم های توجه مانند GATv2Conv را آغاز می کند. جانانی کاربردهای عملی مانند طبقه بندی گره، طبقه بندی گراف و پیش بینی پیوند را با استفاده از مجموعه داده هایی مانند Cora و PROTEINS بررسی می کند. تمرینات عملی در Colab با PyTorch Geometric تجربه ای را در راه اندازی و آموزش مدل های GNN فراهم می کند. در مورد مینی بچینگ و عادی سازی همسایگی برای مقابله با چالش های داده های نموداری بیاموزید. این دوره برای محققان، دانشمندان داده و هر کسی که علاقه مند به یادگیری عمیق یا نظریه گراف است ایده آل است. برای باز کردن پتانسیل های جدید در تجزیه و تحلیل داده ها و مدل سازی با GNN ها هماهنگ شوید.
سرفصل ها و درس ها
معرفی
Introduction
پیش نیازها
Prerequisites
مروری بر شبکه های عصبی گراف
Overview of graph neural networks
1. مروری بر شبکه های عصبی نمودار
1. Overview of Graph Neural Networks
ارسال پیام در GNN
Message passing in GNNs
ریاضیات تجمیع و تبدیل
Aggregation and transformation math
ریاضیات تجمع و تبدیل به صورت ماتریسی
Aggregation and transformation math in matrix form
2. طبقه بندی گره با شبکه های توجه گراف
2. Node Classification with Graph Attention Networks
کاوش مجموعه داده Cora
Exploring the Cora dataset
آموزش یک شبکه کانولوشن گراف
Training a graph convolutional network
از جمله توجه در لایه های GNN
Including attention in GNN layers
راه اندازی شبکه کانولوشن گراف
Setting up the graph convolutional network
محاسبه ضریب توجه
Computing the attention coefficient
معرفی توجه به نمودار
Introducing graph attention
استفاده از لایه GATv2Conv برای جلب توجه
Using the GATv2Conv layer for attention
راه اندازی با Colab و کتابخانه هندسی PyTorch
Getting set up with Colab and the PyTorch Geometric library
طبقه بندی گره با استفاده از یک شبکه توجه گراف
Node classification using a graph attention network
3. طبقه بندی نمودار با استفاده از پیچیدگی نمودار
3. Graph Classification Using Graph Convolution
کاوش مجموعه داده پروتئین ها برای طبقه بندی نمودار
Exploring the PROTEINS Dataset for graph classification
آموزش GNN برای طبقه بندی گراف
Training a GNN for graph classification
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات