کتاب شبکه‌های گراف عصبی: یادگیری از داده‌های ارتباطی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های گراف عصبی: یادگیری از داده‌های ارتباطی

موضوع کلی: یادگیری عمیق و کاربردهای آن

موضوع میانی: معماری‌های نوظهور در یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. شبکه‌های گراف عصبی: مقدمه‌ای و کاربردها
  • 2. نمایش گراف‌ها و ماتریس‌های مجاورت
  • 3. بردار ویژگی گره و لبه
  • 4. معماری‌های پایه شبکه‌های گراف عصبی
  • 5. یادگیری نمایش گره (Node Embedding)
  • 6. روش‌های تولید نمایش گره: DeepWalk
  • 7. روش‌های تولید نمایش گره: Node2Vec
  • 8. مقایسه DeepWalk و Node2Vec
  • 9. تکنیک‌های نمونه‌برداری از گراف
  • 10. شبکه‌های گراف عصبی کانولوشنی (GCN)
  • 11. لایه‌های GCN و عملکرد آن‌ها
  • 12. پیاده‌سازی GCN با استفاده از پایتون
  • 13. کاربرد GCN در طبقه‌بندی گره
  • 14. شبکه‌های گراف عصبی جمع‌آوری (GraphSAGE)
  • 15. تفاوت GraphSAGE با GCN
  • 16. تکنیک‌های نمونه‌برداری همسایگی در GraphSAGE
  • 17. پیاده‌سازی GraphSAGE و مقایسه با GCN
  • 18. شبکه‌های گراف عصبی دروازه‌دار (Gated Graph Neural Networks - GGNN)
  • 19. مکانیسم دروازه‌بندی در GGNN
  • 20. کاربرد GGNN در پیش‌بینی لینک
  • 21. شبکه‌های گراف عصبی تکراری (Recurrent Graph Neural Networks - RGNN)
  • 22. استفاده از شبکه‌های تکراری برای پردازش گراف
  • 23. پیاده‌سازی RGNN برای وظایف مختلف
  • 24. مدل‌های گراف عصبی مبتنی بر توجه (Attention-based GNNs)
  • 25. مکانیسم توجه در شبکه‌های گراف عصبی
  • 26. استفاده از توجه برای بهبود عملکرد مدل
  • 27. شبکه‌های گراف عصبی چند لایه (Multi-Layer GNNs)
  • 28. بهینه‌سازی معماری شبکه‌های گراف عصبی چند لایه
  • 29. کاربرد شبکه‌های چند لایه در داده‌های پیچیده
  • 30. شبکه‌های گراف عصبی برای داده‌های پویا (Dynamic Graph Neural Networks)
  • 31. مدل‌سازی تغییرات زمانی در گراف‌ها
  • 32. روش‌های به‌روزرسانی نمایش گره در گراف‌های پویا
  • 33. شبکه‌های گراف عصبی برای گراف‌های بزرگ
  • 34. تکنیک‌های مقیاس‌پذیری برای آموزش مدل‌های گراف عصبی
  • 35. استفاده از نمونه‌برداری و خوشه‌بندی برای کاهش محاسبات
  • 36. شبکه‌های گراف عصبی در پردازش زبان طبیعی (NLP)
  • 37. کاربرد GNN در تحلیل احساسات متن
  • 38. مدل‌سازی وابستگی‌های معنایی با GNN
  • 39. شبکه‌های گراف عصبی در سیستم‌های توصیه (Recommender Systems)
  • 40. پیش‌بینی ترجیحات کاربر با استفاده از GNN
  • 41. استفاده از اطلاعات اجتماعی برای بهبود توصیه‌ها
  • 42. شبکه‌های گراف عصبی در بیوانفورماتیک
  • 43. تحلیل شبکه‌های پروتئین-پروتئین با GNN
  • 44. پیش‌بینی عملکردهای ژنی با استفاده از GNN
  • 45. شبکه‌های گراف عصبی در تشخیص تقلب

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.