fbpx

圖神經網路

從圖表示學習(Graph Representation Learning)到圖神經網路(完整的 GNN – Graph Neural Network 入門課程)

從這 4.5 小時的課程,你會學到

  • 圖表示學習( Graph Representation Learning )
  • 圖神經網路 ( GNN )
  • 圖分析( Graph Analysis )
  • 圖嵌入( Graph Embedding )
  • 深度步行( DeepWalk )
  • Node2Vec
  • 圖卷積網路 ( Graph Convolution Network,GCN )
  • 圖關注網路( Graph Attention Network ,GAT )
  • 簡化圖卷積 ( Simplifying Graph Convolution,SGC )
  • 歸納和轉導學習( Inductive and Transudative Learning )
  • GraphSAGE
  • Pytorch 幾何( Geometric )
  • 卷積( Convolution )

要求

  • 機器學習和深度學習入門
  • 訊號處理和資料分析入門
  • 代數
  • Python

課程說明

近年來,圖神經網路(Graph Neural Network,GNN)以其強大的表示能力和出色的性能在各個領域越來越受歡迎。圖結構允許我們捕獲具有複雜結構和關係的資料,而 GNN 為我們提供了研究和建模這種複雜資料展示的機會,用於分類、聚類、鏈接預測和健全表示等任務。

雖然 GNN 起源的第一個動機可以追溯到 1997 年,但僅僅在幾年前(大約 2017 年),圖的深度學習才開始引起很多關注。

由於這個概念相對較新,大部分知識都是通過會議和期刊論文學習的,當我開始學習 GNN 時,我很難知道要從哪裡開始和閱讀哪些內容,因為沒有可用於構建這方面的課程。因此,我自己創作了這門課,目的是構建學習材料並為 GNN 提供快速完整的入門課程。

本課程將為學習圖神經網路( GNN )提供完整的入門資料。通過完成本課程,你將在理論和實踐方面對該主題有一個很好的理解。
這意味著你將看到數學和程式碼。

如果你想開始學習圖神經網路( GNN ),這絕對適合你。

如果你希望能夠在 PyTorch Geometric 中實現圖神經網路模型,那麼這就是你要的課程。

目標受眾

  • 工程研究生
  • 計算機科學研究生
  • 資料科學家
  • 有興趣學習圖神經網路的 Python 開發人員
  • 深度學習工程師
  • 機器學習工程師
  • 訊號處理工程師
  • 神經網路熱情

講師簡介

Younes Sadat-Nejad 白天做學術研究員,晚上做企業家

我是生物醫學工程博士。 多倫多大學(UofT)的候選人。 我的研究重點是使用無監督圖神經網路模型對 MRI/fMRI 資料進行聚類( clustering )。

我也是 Humber College 應用科學與技術學院的兼職講師。

加拿大新創公司 Veebar Tech 的首席技術長兼聯合創始人,專注於為有聽力障礙和癡呆症的老年人開發基於 AI-IoT 的智能家居監控解決方案。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

使用 Notion 來做上課筆記?

如果你有使用或是想用 Notion 來做線上課程筆記,我們有開發一個 chrome extension – LN+ for udemy可以將這門線上課程的課程大綱幫你自動建立成 Notion 筆記資料庫並產生筆記與課程的雙向關聯

LN+ for udemy 免費版有內建一系列課程( 免費與付費課程 ),可以先永久免費體驗後再決定是否升級成正式版

想了解 LN+ 的產品開發理念可以參考這篇文章說明


報名參加課程

Sponsored by Udemy


🛫使用關鍵字連結獲得更多線上學習資訊?請參考這個網頁說明


幫我們個小忙!

使用 e-mail 追蹤 Soft & Share

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: