منابع آموزشی برای شبکه های عصبی گرافی (GNN) – بخش اول

شبکه های عصبی گرافی یا Graph Neural Network (به اختصار GNN) از جمله تکنیک‌های پیشرفته یادگیری عمیق هستند که در حال حاضر بسیار محبوب هستند. این تکنیک‌ها برای پردازش داده‌های گرافی استفاده می‌شوند و به عنوان روشی مؤثر برای تشخیص الگوها و پیش‌بینی بر روی داده‌های گرافی شناخته شده‌اند.
برای شروع به کار با GNN، منابع متنوعی در دسترس هستند که شامل وبلاگ‌ها، سخنرانی‌ها، خوراک‌ها، داده‌ها، مخازن، کتاب‌ها و دوره‌های دانشگاهی هستند.

همچنین در سایت کلاس‌ویژن دوره‌ی فارسی در رابطه با آموزش شبکه های عصبی گرافی برگزار خواهد شد که میتوانید به زودی از طریق سایت کلاس ویژن ثیت نام نمائید.

دوره‌ی آموزشی آنلاین Graph Neural Network

در ادامه، به نمونه‌هایی از این منابع اشاره می‌کنیم:

وبلاگ‌ها

برای شروع، اگر به خواندن بلاگ پست در این رابطه علاقه مند هستید، بلاگ‌پست‌هایی همچون Graph Convolutional Networks و Graph Attention Networksو همچنین مطالبی که در سری پست‌هایی که در اینجا با موضوع Graph Deep Learning نوشته شده نیز مفید است.
در این بلاگ‌پست‌ها به مفاهیم اولیه شبکه های عصبی گرافی پرداخته شده و نحوه کارکرد آن‌ها توضیح داده می‌شود.

سخنرانی‌ها

سخنرانی‌هایی مانند کارگاه‌های Deep Learning در دانشگاه NYU، به عنوان یک روش جذاب برای آشنایی با GNN معرفی شده‌اند.

لینکهای مرتبط:

• Lecture:
  https://youtu.be/Iiv9R6BjxHM
• Practicum:
  https://youtu.be/2aKXWqkbpWg
• Transcript:
  http://bit.ly/pDL-en-13

خوراک‌ و کانال تلگرام

برای آگاهی از آخرین روندها در یادگیری بازنمایی گراف (graph representation learning ) و GNN، می‌توانید به کانال تلگرام  grphML و این خبرنامه مراجعه کنید.

داده‌ها

برای دسترسی به مجموعه داده‌های معیار graph representation learning قوی و اخیر، می‌توانید به OGB استنفورد و Benchmarking-GNNs مراجعه کنید.

مخازن / گیت ها

برای پیاده‌سازی GNN، می‌توانید از PyTorch Geometric و DGL استفاده کنید.
برای مخزن حاوی مجموعه ای از مقالات GRL، آموزش و غیره نیز میتوانید اینجا را بررسی کنید:

https://github.com/naganandy/graph-based-deep-learning-literature

کتاب‌ها و دوره‌های دانشگاهی

کتاب یادگیری بازنمایی گراف

Graph Representation Learning Book

و دوره‌های دانشگاهی  CS224W دانشگاه استنفورد و COMP 766 دانشگاه mcgill به عنوان منابعی جامع برای یادگیری GNN معرفی شده‌اند.

بدین ترتیب، اگر شما قصد شروع کار با شبکه‌های عصبی گرافی یا همان دیپ لرنینگ برای داده های گرافی را دارید، می‌توانید از این منابع برای شروع بهتر و درک بهتر از مفاهیم شبکه های عصبی گرافی عمیق (GNN) استفاده کنید.

منبع

لینکهای بالا از آدرس زیر در توئیتر ترجمه شده است، منابع دیگر و پیشنهاد خود بنده را در پست های آینده خواهم نوشت.

https://twitter.com/PetarV_93/status/1306689702020382720