- 图神经网络基础
- 图注意力结构
- 图嵌入
- 图节点分类
- 点云图分类
- 图卷积结构
- 前沿图神经网络模型
- 图分类
- 大规模图数据的处理
- 图网络的可视化
本课程囊括了图神经网络从基础概念到最新的前沿论文,并且结合实践项目,让你一步步地理解、上手并深入图神经网络的理论知识与实际应用。
近几年,基于计算机算力的发展以及大量训练数据的可得性等原因,以深度学习为代表的 AI 技术给学术界、工业界带来了巨大变革。然而,除了文本、图像、语音等结构化的数据,在实际应用场景中,还有大部分数据是非结构化的,比如人际关系网络、交通网络、风控网络等等,传统的深度学习在此方面的特征提取非常困难。
基于此,图神经网络应运而生,它的核心在于重新定义及设计了用于处理图数据的神经网络结构。洎 2020 年起,图神经网络在工业界、学术界开始蓬勃发展,应用场景包括生物化学、反欺诈、社交网络、推荐系统、视觉推理、知识图谱等多个方面。由于起步晚、前景广阔,可以说图神经网络在市场上是相当稀缺的一门技术。
然而,大部分网络上的资料碎片化、理论化,让新手一知半解,无从下手。本课程系统性地囊括了从基础概念到最新的前沿论文,并且结合实践项目,让你一步步地理解、上手并深入图神经网络的内容。
西笑君 资深算法工程师 共发布过 3 门课程
查看老师的所有课程 >
这章突然有些函数,比如train和test的写法就与之前的实验不同了,但是感觉大体上意思是一致的,所以不是很明白为什么突然换风格,这样风格不统一感觉就不是很利于学习。
这章感觉错误较多,而且感觉有很多参数的设置和实验讲解中出现的数字并没有解释清楚都是为什么。当然可能数字这个是默认了自己去理解?但我还是觉得这样的文档过于草率了。还有就是文档代码的一些错误,当然也可能是我理解错了,希望提交的纠错能尽快得到回复。
实验环境为什么打不开呢?
第一章是不是没有实验哟?
了解了node2vec
介绍的很全面
再了解node2vec之前应该先了解一下word2vec这个最先提出嵌入方法的模型。通过代码更加加深了对于模型的理解,赞!
手算了一遍GCN的forward加深理解
node2vec库开箱即用,很方便
学完了该章节,未填写评价内容
学完了该章节,未填写评价内容
学完了该章节,未填写评价内容
学完了该章节,未填写评价内容
学完了该章节,未填写评价内容
学完了该章节,未填写评价内容