Pengantar Graph Neural Networks dan Deep Learning pada Grafik

Model deep learning tradisional sangat unggul dalam data berbentuk grid seperti teks dan gambar, tetapi data dunia nyata sering kali berupa jaringan hubungan yang kompleks. Graph Neural Networks (GNN) menjembatani kesenjangan ini dengan memungkinkan Anda menerapkan teknik machine learning yang kuat langsung ke struktur grafik. Kursus berbasis teks ini memberikan pengantar yang jelas dan bertahap tentang cara merepresentasikan, memproses, dan memprediksi data relasional. Anda akan mulai dengan teori grafik dasar dan teknik representasi sebelum beralih ke arsitektur jaringan inti. Di akhir kursus ini, Anda akan memahami bagaimana informasi mengalir melalui node dan edge, yang memungkinkan Anda merancang dan mengevaluasi model GNN untuk aplikasi dunia nyata. Yang akan Anda pelajari: - Memahami konsep dasar grafik termasuk matriks ketetanggaan, fitur node, dan koneksi edge - Mempelajari mekanisme message passing, fungsi agregasi, dan teknik konvolusi grafik - Mengeksplorasi arsitektur GNN standar seperti Graph Convolutional Networks (GCN) dan Graph Attention Networks (GAT) - Menerapkan klasifikasi node, prediksi tautan, dan teknik representasi tingkat grafik - Menerapkan alur kerja GNN dasar menggunakan pustaka Python modern dan kerangka kerja deep learning - Berlatih mengevaluasi kinerja model dan menangani tantangan pembelajaran grafik umum seperti over-smoothing Kursus ini dimulai dengan definisi penting dan representasi matematis dari grafik, memastikan Anda membangun fondasi teoritis yang kokoh. Dari sana, Anda akan maju melalui penjelasan tertulis dan panduan berbasis kode yang menunjukkan cara membuat, melatih, dan menyempurnakan neural networks pada data berstruktur grafik. Kursus ini dirancang untuk pemula dalam machine learning berbasis grafik, data scientist, dan pengembang dengan pemahaman dasar tentang Python dan konsep machine learning umum. Tidak diperlukan pengalaman sebelumnya dengan teori grafik atau analisis jaringan tingkat lanjut. Mulai membaca hari ini untuk membuka kekuatan machine learning pada data relasional dan berjaringan.