دوره آموزشی ویدویی Graph Neural Network:
از مبانی تا کاربردهای پیشرفته

در دنیای امروز، داده‌های گرافی بخش بزرگی از داده‌های موجود را تشکیل می‌دهند. از شبکه‌های اجتماعی گرفته تا سیستم‌های توصیه‌گر، گراف‌ها در بسیاری از برنامه‌های کاربردی به کار می‌روند. در این دوره شما با مفاهیم پایه‌ای Graph Neural Network (GNN) و کاربردهای آن آشنا خواهید شد.

جزئیات دوره:

• طول مدت دوره: 13 ساعت ویدیوی آموزشی

مخاطبان دوره

• علاقه‌مندان به حوزه دیپ لرنینگ (یادگیری عمیق)
• محققان و دانشجوهای تحصیلات تکمیلی
• برنامه نویسان که با چالش داده های گرافی مواجه هستند

سرفصل های دوره:

• چرا گراف و شبکه‌های عصبی گرافی؟
• کاربردهای شبکه‌های عصبی گرافی
• مقدمات مفاهیم گراف
• انواع مسائل قابل حل توسط GNN‌ها
• روش Neural message passing
• شبکه‌های عصبی کانولوشنالی و چالش‌های آن
• GCN، GAT و MPNN‌ها
• GraphSAGE
• آشنایی و پیاده‌سازی در TensorFlow
• آشنایی و پیاده‌سازی با PyTorch-Geometric
• معرفی شبکه‌های گرافی متغیر در زمان – Spatio-temporal graph

پیش نیاز دوره:

آشنایی با شبکه‌های عصبی مصنوعی و کانولوشنالی و توانایی پیاده‌سازی در یک فریم‌ورک. (پیشنهاد: دوره آموزشی مقدماتی شبکه‌ های عصبی عمیق در Tensorflow/Keras، در صوت تمایل با ثبت نام در این دوره کد تخفیف 50 درصدی دوره مقدماتی را میتوانید از پشتیبان دوره درخواست نمائید.)

مدرس دوره:

برگزار کننده دوره:

سخن پایانی

با پیوستن به این دوره، شما قدمی بزرگ در یادگیری و کاربرد شبکه‌های عصبی گرافی برداشته‌اید. این دوره به شما کمک می‌کند تا درک عمیق‌تری از گراف‌ها و نحوه استفاده از آن‌ها در حل مسائل مختلف داشته باشید. همچنین، با پیاده‌سازی GNN‌ها در TensorFlow و PyTorch-Geometric، مهارت‌های عملی خود را نیز ارتقاء خواهید داد.