دوره آموزشی پیشرفته شبکه های عصبی گراف
2 ساعت 4 دقیقهپیشرفته2024-08-02
مدرسین
Janani Ravi
Certified Google Cloud Architect and Data Engineer
جزئیات 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.
مهارت ها
Neural Networks and Deep LearningAdvancedArtificial Intelligence (AI)
سرفصل ها
0. مقدمه
- 01 - مروری بر شبکههای عصبی گراف
- 02 - پیش نیازها
1. مروری بر شبکههای عصبی نمودار
- 03 - ارسال پیام در GNN ها
- 04 - ریاضی تجمیع و تبدیل
- 05 - ریاضیات تجمیع و تبدیل به صورت ماتریسی
2. طبقه بندی گره با شبکههای توجه گراف
- 06 - معرفی توجه به نمودار
- 07 - محاسبه ضریب توجه
- 08 - از جمله توجه در لایههای GNN
- 09 - راهاندازی با Colab و کتابخانه هندسی PyTorch
- 10 - کاوش مجموعه داده Cora
- 11 - راهاندازی شبکه کانولوشن گراف
- 12 - آموزش شبکه کانولوشن گراف
- 13 - طبقه بندی گرهها با استفاده از شبکه توجه گراف
- 14 - استفاده از لایه GATv2Conv برای جلب توجه
3. طبقه بندی نمودار با استفاده از پیچیدگی نمودار
- 15 - درک طبقه بندی گراف
- 16 - بررسی مجموعه داده پروتئینها برای طبقه بندی نمودار
- 17 - مینی بچینگ دادههای گراف
- 18 - راهاندازی مدل طبقه بندی نمودار
- 19 - آموزش GNN برای طبقه بندی گراف
- 20 - حذف عادی سازی محله و پرش از اتصالات
4. پیشبینی پیوند با استفاده از رمزگذار خودکار گراف
- 21 - مروری سریع بر رمزگذارهای خودکار
- 22 - معرفی خودکار گراف
- 23 - تقسیم دادههای پیشبینی پیوند
- 24 - درک تقسیم پیوندها
- 25 - طراحی خودکار رمزگذار برای پیشبینی لینک
- 26 - آموزش رمزگذار خودکار
نتیجه گیری
- 27 - خلاصه و مراحل بعدی
دوره های مرتبط
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی کارگاه هوش مصنوعی: ساخت شبکه عصبی با PyTorch Lightning
- دوره آموزشی کارگاه هوش مصنوعی: تمرین عملی با GANها با استفاده از شبکههای کانولوشنال عمیق
- دوره آموزشی معرفی عملی مدلهای ترنسفورمر برای بینایی کامپیوتری
- دوره آموزشی اصول هوش مصنوعی چندرسانهای: ترکیب متن، تصویر و صدا برای برنامههای نسل بعدی هوش مصنوعی
- دوره آموزشی یادگیری عمیق با پایتون: شبکههای عصبی کانولوشنی
- دوره آموزشی هوش مصنوعی عملی: پردازش تصویر با پایتون
- دوره آموزشی یادگیری عمیق و بینایی ماشین: شناسایی اشیاء با استفاده از PyTorch