تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری شبکه های عصبی گراف

دوره آموزشی یادگیری شبکه های عصبی گراف

2 ساعت 13 دقیقهمتوسط2024-07-29

مدرسین

Janani Ravi

Janani Ravi

Certified Google Cloud Architect and Data Engineer

جزئیات دوره

شبکه‌های عصبی نمودار - شبکه‌های عصبی که قادر به کار با ساختارهای داده‌های نمودار هستند - یادگیری عمیق را برای ساختارهای داده اعمال می‌کنند تا بینش‌های تازه‌ای را از نمودارهای خود آشکار کنند. در این دوره آموزشی با کاربردهای مختلف مدل سازی گراف و نحوه آموزش شبکه عصبی گراف آشنا شوید و نتایج آن را ارزیابی کنید. مربی جنانی راوی با پیشینه ای در مورد نمودارها از جمله اصطلاحات و انواع گراف ها شروع می کند. او سپس مفاهیم یادگیری ماشین گراف و اصول اولیه شبکه های عصبی گراف را معرفی می کند. نیمه آخر دوره شامل تمرین‌هایی است که به شما کمک می‌کند شبکه‌های عصبی گراف را با استفاده از PyTorch Geometric راه‌اندازی و آموزش دهید، نمودارها را با استفاده از NetworkX تجسم کنید، و یک شبکه کانولوشن گراف را برای برچسب‌گذاری گره با استفاده از مجموعه داده Cora آموزش دهید.

مهارت ها

Neural Networks and Deep LearningArtificial Intelligence (AI)One-Off

سرفصل ها

0. مقدمه

  • 01 - معرفی شبکه‌های عصبی گراف
  • 02 - پیش نیازها

1. درک نمودارها

  • 03 - گراف‌های بی جهت و جهت دار
  • 04 - انواع دیگر گراف
  • 05 - نمایش نمودار

2. معرفی گراف ماشین یادگیری

  • 06 - وظایف پیش‌بینی با نمودار
  • 07 - رویکردهای یادگیری ماشین گراف
  • 08 - چالش‌های استفاده از نمودارها در یادگیری ماشین

3. معرفی شبکه‌های عصبی گراف

  • 09 - شهود شبکه‌های عصبی نمودار
  • 10 - شناخت ساختار GNN ها
  • 11 - معماری شبکه عصبی گراف
  • 12 - انتقال پیام و تجمیع
  • 13 - آموزش GNN

4. نمایش نمودارها در PyTorch Geometric

  • 14 - معرفی PyTorch Geometric
  • 15 - تمرین - محیط کولب و کتابخانه‌ها را راه‌اندازی کنید
  • 16 - تمرین - راه‌اندازی ساختار داده گراف در PyG
  • 17 - تمرین - تجسم نمودارها و کاوش در روش‌های نمودار
  • 18 - تمرین - تجسم و کاوش یک نمودار جهت دار
  • 19 - تمرین - کاوش مجموعه داده cora
  • 20 - تمرین - دسته کوچک داده
  • 21 - تمرین - نشان دادن نمودارهای ناهمگن در PyG

5. انجام طبقه بندی گره با استفاده از GNN

  • 22 - تمرین - مجموعه داده CiteSeer برای طبقه بندی گره ها
  • 23 - تمرین - تنظیم DNN به عنوان مدل پایه
  • 24 - تمرین - آموزش مدل پایه
  • 25 - تمرین - راه‌اندازی شبکه کانولوشن گراف
  • 26 - ورزش - آموزش GCN

نتیجه

  • 27 - خلاصه و مراحل بعدی

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal