Logo
☆☆☆☆☆
0.0
Beginner
7h

图机器学习入门

你准备好掌握图机器学习的精髓了吗?图无处不在,在各个领域都有广泛的应用。本入门课程将带你学习图机器学习的基础知识,使你能够处理不同类型的图、前沿的图机器学习技术以及各种图分析任务。 课程从图的基础知识开始,逐步深入到更高级的主题,包括图嵌入及其不同技术,以及基于知识图谱的各种应用场景。 课程结束时,你将获得创建和操作图的实际经验,并全面理解知识图谱与图神经网络。本课程将为你提供进入高级图机器学习领域的技能与知识,无论是用于研究还是实际应用,都能助你职业生涯更上一层楼。

10 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
图机器学习入门
你准备好掌握图机器学习的精髓了吗?图无处不在,在各个领域都有广泛的应用。本入门课程将带你学习图机器学习的基础知识,使你能够处理不同类型的图、前沿的图机器学习技术以及各种图分析任务。 课程从图的基础知识开始,逐步深入到更高级的主题,包括图嵌入及其不同技术,以及基于知识图谱的各种应用场景。 课程结束...

WHAT YOU'LL LEARN

对创建和操作图的熟悉

Content

10 Lessons • 0 Quizzes • 0 Challenges

课程简介
  1. 1

    入门

图论导论
  1. 1

    什么是图?

  2. 2

    图的类型

  3. 3

    如何将图表示为数据结构

  4. 4

    图网络可视化

  5. 5

    测验:图论

知识图谱
  1. 1

    什么是知识图谱?

  2. 2

    知识图谱构建

  3. 3

    知识图谱的重要性及其问题

  4. 4

    知识图谱嵌入

  5. 5

    测验:知识图谱

图嵌入
  1. 1

    什么是图嵌入?

  2. 2

    基于矩阵分解的方法

  3. 3

    基于随机游走的方法

  4. 4

    基于神经网络的方法

  5. 5

    测验:图嵌入

知识图谱嵌入
  1. 1

    基于翻译的方法

  2. 2

    基于分解的方法

  3. 3

    基于神经网络的方法

  4. 4

    测验:知识图谱嵌入

有监督与无监督图机器学习
  1. 1

    图任务及其类型

  2. 2

    节点分类(监督学习)

  3. 3

    链接预测(监督式)

  4. 4

    图分类(监督学习)

  5. 5

    图聚类与社区发现(无监督)

  6. 6

    测验:图机器学习任务

案例研究:在社交网络图上进行链接预测
  1. 1

    题目描述

  2. 2

    问题的解决方法

  3. 3

    编码解决方案

图神经网络
  1. 1

    什么是图神经网络?

  2. 2

    神经消息传递

  3. 3

    图神经网络的类型

  4. 4

    测验:图神经网络

案例研究:接触追踪网络上的节点分类
  1. 1

    题目描述

  2. 2

    问题的解决方法

  3. 3

    编码解决方案

附录
  1. 1

    Python 库

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)