图神经网络
从图表示学习到图神经网络(GNN 完整入门课程)
讲师:Younes Sadat-Nejad
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 图表示学习
- 图神经网络(GNN)
- 图表分析
- 图嵌入
- 深度漫步
- 节点2Vec
- 图卷积网络(GCN)
- 图注意力网络(GAT)
- 简化图卷积(SGC)
- 归纳学习和探析学习
- 图圣人
- Pytorch 几何
- 卷积
要求
- 机器学习和深度学习的背景介绍
- 信号处理和数据分析的背景介绍
- 代数
- Python
描述
近年来,图神经网络(GNN)凭借其强大的表达能力和出色的性能在各个领域越来越受欢迎。图结构使我们能够捕获具有复杂结构和关系的数据,GNN 为我们提供了研究和建模这种复杂数据表示的机会,以完成分类、聚类、链接预测和鲁棒表示等任务。
虽然 GNN 的最初动机可以追溯到 1997 年,但直到几年前(2017 年左右),图深度学习才开始引起广泛关注。
由于这个概念相对较新,大部分知识都是通过会议和期刊论文学习的,当我开始学习 GNN 时,我很难知道从哪里开始以及读什么,因为没有可用的课程来构建内容。因此,我亲自构建了这门课程,目的是构建学习材料并为 GNN 提供快速完整的入门课程。
本课程将为学习图神经网络提供完整的入门材料。通过完成本课程,您可以在理论和实践上很好地理解该主题。
这意味着您将看到数学和代码。
如果您想开始学习图神经网络,这就是为您准备的。
如果您希望能够在 PyTorch Geometric 中实现图神经网络模型,这适合您。
本课程适合谁:
- 工程研究生
- 计算机科学研究生
- 数据科学家
- 有兴趣学习图神经网络的 Python 开发人员
- 深度学习工程师
- 机器学习工程师
- 信号处理工程师
- 神经网络热情
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。