ODBIERZ TWÓJ BONUS :: »

Grafowe sieci neuronowe. Teoria i praktyka Filip Wójcik

(ebook) (audiobook) (audiobook)
Autor:
Filip Wójcik
Ocena:
6.0/6  Opinie: 1
Stron:
224
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
47,40 zł 79,00 zł (-40%)
47,40 zł najniższa cena z 30 dni
(2za1 » dobierz książkę GRATIS)

Dodaj do koszyka Darmowa dostawa od 60,00 zł Do darmowej dostawy brakuje Ci 0,00 zł Najtańsza dostawa od 9,90 zł Gratulujemy! Twoje zamówienie kwalifikuje się do darmowej wysyłki Wysyłamy w 24h

Ebook
39,50 zł 79,00 zł (-50%)
39,50 zł najniższa cena z 30 dni
(2za1 » dobierz ebook GRATIS)

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Wykorzystywania bibliotek Pythona do analizy grafów i budowy grafowych sieci neuronowych
  • Tworzenia i obsługi grafowych baz danych
  • Reprezentowania grafów za pomocą macierzy i list sąsiedztwa
  • Obliczania miar centralności wierzchołków i graficznych własności liczbowych
  • Rozwiązywania problemu izomorfizmu grafów i stosowania testu Weisfeilera-Lehmana
  • Definiowania oraz reprezentowania grafów heterogenicznych
  • Opisywania podstawowych zadań dla grafowych sieci neuronowych (GNN)
  • Implementowania modelu przekazywania wiadomości (MPNN) z użyciem PyTorch Geometric
  • Stosowania i porównywania różnych warstw splotu grafowego: GCN, SAGE, GAT, GIN
  • Budowania warstw splotu dla grafów heterogenicznych
  • Dzielnia zbiorów grafowych na dane treningowe, walidacyjne i testowe
  • Stosowania metod próbkowania (sąsiedztwa, społeczności) w pracy z dużymi grafami
  • Identyfikowania trudności i wyzwań w uczeniu warstw splotu grafowego
  • Wykorzystywania rozszerzonych technik agregacji oraz połączeń skokowych
  • Realizowania praktycznych zastosowań GNN: klasyfikacja wierzchołków, krawędzi i grafów
  • Budowania systemów rekomendacyjnych opartych o grafowe sieci neuronowe

Cicha rewolucja, która nadeszła

Grafowe sieci neuronowe (ang. graph neural networks, GNN) to klasa modeli uczenia głębokiego przeznaczona do analizy danych o strukturze grafowej. W początkowym okresie ich rozwój ograniczał brak efektywnych metod projektowania i optymalizacji; w ostatnich latach bariery te w dużej mierze zostały pokonane, co przełożyło się na dynamiczny postęp teorii i praktyki. Modele GNN znajdują zastosowanie między innymi w analizie sieci społecznościowych, optymalizacji procesów logistycznych, marketingu i pracy z bazami wiedzy.

Ta książka zawiera kompleksowe opracowanie tematyki sieci grafowych w kontekście uczenia maszynowego. Tym samym wypełnia istotną lukę na polskim rynku wydawniczym, oferując połączenie solidnych podstaw teoretycznych z praktycznym zastosowaniem GNN. To przewodnik, który systematycznie przeprowadza przez kolejne zagadnienia związane z sieciami grafowymi:

  • od narzędzi klasycznej analizy grafów w środowisku Pythona i wybranych zagadnień teorii grafów
  • przez wprowadzenie do grafowych sieci neuronowych, a także przegląd wybranych warstw splotu grafowego i dobrych praktyk ich projektowania
  • po zagadnienia związane ze szkoleniem sieci GNN i praktyczne przykłady ich zastosowań

Wybrane bestsellery

O autorze książki

Dr inż. Filip Wójcik - analityk danych, zajmuje się systemami uczenia maszynowego i sztucznej inteligencji od 2012 roku. Projektował i wdrażał rozwiązania ML/AI dla międzynarodowych i polskich przedsiębiorstw w sektorach finansowym, telekomunikacyjnym i logistycznym, pracując jako analityk danych (data scientist), kierownik zespołu badawczego i lider techniczny. Łączy działalność komercyjną z pracą akademicką; od 2017 roku związany z Uniwersytetem Ekonomicznym we Wrocławiu, gdzie specjalizuje się w optymalizacji procesów decyzyjnych z wykorzystaniem modeli uczenia maszynowego, w szczególności głębokich sieci neuronowych. Chętnie dzieli się wiedzą i doświadczeniem ze słuchaczami w ramach studiów podyplomowych, kursów, a także Biznesowego Indywidualnego Programu Studiów (BIPS). Autor licznych recenzowanych publikacji naukowych, prelegent międzynarodowych konferencji poświęconych najnowszym trendom w dziedzinie uczenia maszynowego.
 

Helion Wydawnictwo Naukowe - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka zawiera praktyczne przykłady implementacji grafowych sieci neuronowych?
Tak, w książce znajdziesz szczegółowe przykłady implementacji grafowych sieci neuronowych z użyciem bibliotek PyTorch Geometric i Deep Graph Library, a także praktyczne zastosowania GNN w różnych dziedzinach.
2. Jakie podstawy teoretyczne są omawiane w książce?
Publikacja kompleksowo przedstawia teorię grafów, wyjaśnia kluczowe pojęcia, notację oraz zagadnienia reprezentacji grafów, miary centralności i test izomorfizmu. Omawia również teoretyczne podstawy działania różnych architektur GNN.
3. Czy aby korzystać z książki, muszę znać język Python?
Podstawowa znajomość Pythona będzie pomocna, ponieważ większość przykładów praktycznych i narzędzi oparta jest na tym właśnie języku i jego popularnych bibliotekach.
4. Jakie są przykładowe zastosowania grafowych sieci neuronowych przedstawione w książce?
Książka prezentuje zastosowania GNN m.in. w analizie sieci społecznościowych, systemach rekomendacyjnych, biochemii (badanie toksyczności cząsteczek), klasyfikacji stron internetowych czy analizie relacji leków.
5. Czy książka pomaga w doborze i porównaniu narzędzi do pracy z GNN?
Tak, jeden z rozdziałów poświęcony jest porównaniu najpopularniejszych bibliotek do pracy z grafowymi sieciami neuronowymi, co ułatwia wybór najlepszego narzędzia pod konkretne potrzeby.
6. W jaki sposób książka wyjaśnia proces szkolenia grafowych sieci neuronowych?
Publikacja opisuje podział zbiorów danych, różne strategie szkoleniowe, wyjaśnia problemy i wyzwania związane z uczeniem warstw splotu grafowego oraz przedstawia techniki optymalizacji procesu predykcji.
7. Czy znajdę w książce omówienie najnowszych warstw i architektur GNN?
Tak, książka zawiera przegląd i porównanie wybranych nowoczesnych warstw, takich jak GCN, SAGE, GAT, GIN, oraz dodatkowych rozszerzeń służących zwiększeniu efektywności GNN.
8. Czy publikacja zawiera rozdziały przydatne w przygotowaniu do projektów lub pracy z danymi grafowymi?
Tak, książka systematycznie prowadzi przez narzędzia analizy, metody przygotowywania i dzielenia danych oraz przykłady praktycznych zastosowań, co może być bardzo pomocne podczas realizacji własnych projektów.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
47,40 zł
Dodaj do koszyka
Ebook
39,50 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint