کتاب صوتی شبکه‌های گراف عصبی: یادگیری از داده‌های ارتباطی

🎓 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