We may earn an affiliate commission when you visit our partners.
唐宇迪 唐

图神经⽹络模块课程旨在帮助同学们快速掌握深度学习在图模型领域算法及其应⽤项⽬。内容主要包括三个模块:1.图神经⽹络经典算法解读,详细解读GNN,GCN,注意⼒机制图模型等算法 ;2 . 图神经⽹络框架PyTorch-Geometric,全程实战解读图神经⽹络框架应⽤⽅法;3 .图神经⽹络项⽬实战,基于真实数据集与实际项⽬展开图数据集构建与模型训练并应⽤到实际场景中。实战项目中主要包括图神经网络在各大场景中的应用,首先讲解应用算法,并切结合具体论文展开分析,源码讲解全部基于真实数据集与实际任务需求进行展开。适合AI方向准备搞研究生的同学们,也适合这个方向准备针对自己的数据进行建模与应用分析的。

Enroll now

What's inside

Syllabus

图神经网络基础
1-图神经网络应用领域分析
2-图基本模块定义
3-邻接矩阵的定义
Read more
4-GNN中常见任务
5-消息传递计算方法
6-多层GCN的作用
课件与代码下载
图卷积GCN模型
1-GCN基本模型概述
2-图卷积的基本计算方法
3-邻接的矩阵的变换
4-GCN变换原理解读
图模型必备神器PyTorch Geometric安装与使用
1-PyTorch Geometric工具包安装与配置方法
2-数据集与邻接矩阵格式
3-模型定义与训练方法
4-文献引用数据集分类案例实战
使用PyTorch Geometric构建自己的图数据集
1-构建数据集基本方法
2-数据集与任务背景概述
3-数据集基本预处理
4-用户行为图结构创建
5-数据集创建函数介绍
6-网络结构定义模块
7-TopkPooling进行下采样任务
8-获取全局特征
9-模型训练与总结
图注意力机制与序列图模型
1-图注意力机制的作用与方法
2-邻接矩阵计算图Attention
3-序列图神经网络TGCN应用
4-序列图神经网络细节
图相似度论文解读
1-要完成的任务分析
2-基本方法概述解读
3-图模型提取全局与局部特征
4-NTN模块的作用与效果
5-点之间的对应关系计算
6-结果输出与总结
图相似度计算实战
1-数据集与任务概述
2-图卷积特征提取模块
3-分别计算不同Batch点的分布
4-获得直方图特征结果
5-图的全局特征构建
6-NTN图相似特征提取‘
7-预测得到相似度结果
基于图模型的轨迹估计
1-数据集与标注信息解读
2-整体三大模块分析
3-特征工程的作用与效果
4-传统方法与现在向量空间对比
5-输入细节分析
6-子图模块构建方法
7-特征融合模块分析
8-VectorNet输出层分析
图模型轨迹估计实战
1-数据与环境配置
2-训练数据准备
3-Agent特征提取方法
4-DataLoader构建图结构
5-SubGraph与Attention模型流程
图神经网络结合时间序列
1-业务应用场景介绍与分析
2-图神经网络建模解决思路与方法
3-传感器节点特征提取方法
4-图模型结合时间序列
5-ICU传感器数据集介绍
图时间序列预测项目实战
1-医疗数据处理与特征提取
2-时序特征与静态特征处理
3-序列长度处理与统一
4-数据预处理与输入特征构建
5-图结构样本构建
6-图注意力机制模块设计与实现
7-时序特征构建与总结
异构图模型算法解读
1-图注意力模块回顾
2-异构图基本结构通俗解读
3-MetaPath与基本计算流程分析
4-路径加权聚合得到节点特征
5-淘宝异构图分析
6-Link边预测方法解读
异构图构建实例分析
1-影评数据集读取与处理
2-点和边特征定义
3-边的切分与采样方式
4-异构图模型定义方法
KIE图模型关系抽取算法解读
1-KIE要完成的任务分析
2-任务流程分析概述
3-特征拼接与聚合
4-图结构中节点特征计算方法
KIE图模型应用源码解读
1-配置文件以及要完成的任务解读
2-KIE数据集格式调整方法
3-配置文件与标签要进行处理操作
4-边框要计算的特征分析

Save this course

Save 图神经网络实战 to your list so you can find it easily later:
Save

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in 图神经网络实战 with these activities:
阅读《图神经网络:基础、前沿与应用》
通过阅读相关书籍,深入了解图神经网络的理论基础和应用案例。
Show steps
  • 系统阅读书籍的各个章节。
  • 重点关注GNN、GCN和图注意力网络等核心算法的讲解。
  • 结合实际案例,理解图神经网络的应用场景。
阅读《Deep Learning on Graphs》
通过阅读书籍,深入了解图神经网络的各种变体和高级主题。
Show steps
  • 系统阅读书籍的各个章节。
  • 重点关注图卷积网络、图注意力网络和图自编码器等模型的讲解。
  • 理解这些模型在不同任务中的应用。
撰写一篇关于图神经网络应用的博客文章
通过撰写博客文章,总结和分享学习心得,加深对图神经网络应用的理解。
Show steps
  • 选择一个感兴趣的图神经网络应用领域,例如社交网络分析、知识图谱或生物信息学。
  • 查阅相关文献,了解该领域图神经网络的应用现状。
  • 撰写一篇博客文章,介绍该领域图神经网络的应用,并分享自己的见解。
Three other activities
Expand to see all activities and additional details
Show all six activities
使用PyTorch Geometric实现GCN模型
通过实践,掌握PyTorch Geometric框架的使用,并加深对GCN模型的理解。
Show steps
  • 安装并配置PyTorch Geometric工具包。
  • 选择一个合适的图数据集,例如Cora数据集。
  • 使用PyTorch Geometric实现GCN模型。
  • 训练模型并在测试集上评估性能。
基于图神经网络的推荐系统项目
通过完成一个实际项目,将图神经网络应用于推荐系统,提升解决实际问题的能力。
Show steps
  • 选择一个合适的推荐系统数据集,例如MovieLens数据集。
  • 构建用户-物品交互图。
  • 使用图神经网络学习用户和物品的嵌入表示。
  • 使用嵌入表示进行推荐,并评估推荐效果。
整理图神经网络相关论文
通过整理相关论文,了解图神经网络领域的最新进展。
Show steps
  • 在学术搜索引擎上搜索图神经网络相关论文。
  • 阅读论文摘要,筛选出感兴趣的论文。
  • 整理论文列表,并对论文进行分类和标注。

Career center

Learners who complete 图神经网络实战 will develop knowledge and skills that may be useful to these careers:
图神经网络工程师
图神经网络工程师专注于利用图神经网络解决实际问题。这个职位需要深入理解图神经网络的各种算法,例如GNN、GCN和注意力机制图模型等。本课程详细解读了这些经典算法,并结合PyTorch Geometric框架进行实战演练,能帮助你掌握图神经网络的应用方法。项目实战部分基于真实数据集,让你能够构建图数据集,训练模型,并将其应用到实际场景中。图神经网络工程师需要能够根据实际需求进行建模和应用分析,而本课程对此有针对性的训练。
深度学习研究员
深度学习研究员探索和开发新的深度学习模型与算法。本课程涵盖了图神经网络的经典算法,例如GNN、GCN、注意力机制图模型等,这对于研究员来说至关重要。课程中对PyTorch Geometric框架的实战解读,以及图神经网络在各大场景中的应用案例分析,能为研究员提供宝贵的实践经验和研究思路。本课程尤其适合准备搞研究生的同学,有助于你深入理解图神经网络的理论和应用。
算法工程师
算法工程师负责设计、开发和优化各种算法。在图神经网络领域,算法工程师需要掌握GNN、GCN等经典算法,并能够将其应用到实际问题中。本课程详细解读了这些经典算法,并结合PyTorch Geometric框架进行实战演练,能帮助你快速掌握图神经网络的应用。通过基于真实数据集的项目实战,你能学习如何构建图数据集,训练模型,并将其应用落地。算法工程师需要具备解决实际问题的能力,本课程对此有针对性的训练。
数据科学家
数据科学家利用数据挖掘、机器学习等技术解决实际问题。在图神经网络领域,数据科学家需要能够构建图数据集,并利用GNN等算法进行分析和预测。本课程通过项目实战,让你掌握图数据集的构建方法,并学习如何使用PyTorch Geometric框架进行模型训练。课程中还包含了图神经网络在各大场景中的应用案例分析,能为你提供数据分析的思路和方法。数据科学家需要具备数据建模与应用分析的能力,本课程对此有针对性的训练。
機器學習工程師
机器学习工程师负责设计、开发和部署机器学习模型。在图神经网络领域,机器学习工程师需要熟悉GNN、GCN等算法,并能够将其应用到实际项目中。本课程详细解读了这些经典算法,并结合PyTorch Geometric框架进行实战演练,能帮助你快速掌握图神经网络的应用。通过真实数据集的项目实战,你能学习如何构建图数据集,训练模型,并将其部署到实际场景中。机器学习工程师需要具备模型训练和部署的能力,本课程对此有针对性的训练。
知识图谱工程师
知识图谱工程师专注于构建和维护知识图谱,并利用知识图谱进行推理和应用。本课程中关于异构图模型算法的解读,以及异构图构建实例分析,对于知识图谱工程师来说非常有价值。你能学习到MetaPath等概念,以及如何进行路径加权聚合得到节点特征。此外,课程还提供了淘宝异构图分析案例,能为你提供实际应用的参考。知识图谱工程师需要具备图数据建模和分析的能力,本课程对此提供了基础。
自然语言处理工程师
自然语言处理工程师致力于开发和应用自然语言处理技术。图神经网络在自然语言处理领域也有广泛的应用,例如关系抽取等。本课程中关于KIE图模型关系抽取算法的解读,以及KIE图模型应用源码的分析,对于自然语言处理工程师来说非常有帮助。你能学习到如何利用图结构进行节点特征计算,以及如何进行特征拼接和聚合。课程中对KIE数据集格式调整方法的介绍,能为你提供实际操作的指导。
推荐系统工程师
推荐系统工程师负责设计、开发和优化推荐系统。图神经网络在推荐系统中可以用于用户行为建模、物品关联分析等。本课程中关于用户行为图结构创建的部分,可以帮助你理解如何利用图神经网络进行用户建模。课程中对图注意力机制和序列图模型的介绍,可以帮助你提升推荐系统的性能。推荐系统工程师需要具备用户行为分析和模型优化的能力,本课程提供了相关的基础知识。
计算机视觉工程师
计算机视觉工程师专注于开发和应用计算机视觉技术。图神经网络在计算机视觉领域也有一定的应用,例如图像分类、目标检测等。本课程中对图卷积GCN模型的介绍,以及图注意力机制的应用,可以帮助你理解如何利用图神经网络进行图像处理。课程中对邻接矩阵的变换和图Attention的计算方法的讲解,能为你提供技术支持。计算机视觉工程师需要具备图像处理和模型训练的能力,本课程提供了一些相关的概念。
数据分析师
数据分析师利用数据分析工具和方法,为企业提供决策支持。本课程中关于图神经网络应用领域分析的部分,可以帮助你了解图神经网络在各个行业的应用场景。虽然本课程主要关注图神经网络的算法和应用,但了解这些算法和应用可以帮助数据分析师更好地理解数据之间的关系,从而进行更深入的数据分析。数据分析师需要具备数据理解和分析的能力,本课程可以拓展其知识面。
金融分析师
金融分析师负责分析金融市场数据,为投资决策提供建议. 学习图神经网络的原理和应用场景可以帮助金融分析师更好地理解金融市场中的复杂关系。本课程涉及图神经网络在各个领域的应用,包括异构图的应用案例,这对于金融分析师理解市场参与者之间的关联可能有所启发. 金融分析师需要对数据敏感并能从中提取有价值的信息,从本课程中他们可以学到新的数据分析工具。
医疗数据分析师
医疗数据分析师负责分析医疗数据,为医疗决策提供支持。本课程中关于图神经网络结合时间序列的部分,以及ICU传感器数据集的介绍,对于医疗数据分析师来说非常有价值。本课程可能有助于你学习如何利用图神经网络进行医疗数据分析和预测。医疗数据分析师需要具备数据挖掘和分析的能力,本课程提供了一定的基础知识。
量化交易员
量化交易员使用算法和统计模型来进行交易决策。尽管图神经网络并非量化交易的主流工具,但对复杂金融网络结构的建模,以及对市场参与者之间关系的理解,或许可以为量化交易策略提供新的思路。通过本课程对图神经网络算法的学习,可以帮助量化交易员拓展知识面,探索新的交易策略的可能性。量化交易员需要具备数学建模和编程能力,本课程或可在模型构建方面提供帮助。
智能交通系统工程师
智能交通系统工程师负责设计和开发智能交通系统。图神经网络在智能交通领域有潜在的应用,例如交通流量预测、路径规划等。本课程中基于图模型的轨迹估计部分,可以帮助你理解如何利用图神经网络进行交通轨迹分析。智能交通系统工程师需要具备交通系统建模和优化的能力,本课程提供了一些相关的技术。
网络安全分析师
网络安全分析师负责保护计算机网络和系统安全。可以使用图神经网络来分析网络拓扑结构,检测异常流量模式,识别潜在的网络攻击。学习图神经网络的基本原理和应用,可以帮助网络安全分析师更好地理解网络安全威胁,提升防御能力。 网络安全分析师需要具备网络安全知识和分析能力,本课程在模式分析方面能够起到作用。

Reading list

We've selected one books that we think will supplement your learning. Use these to develop background knowledge, enrich your coursework, and gain a deeper understanding of the topics covered in 图神经网络实战.
本书系统地介绍了图神经网络的基础知识、前沿技术和应用场景。它涵盖了GNN、GCN、图注意力网络等核心算法,并结合实际案例进行讲解,与本课程内容高度契合。本书既可以作为学习图神经网络的入门教材,也可以作为深入研究的参考资料。阅读本书有助于学生全面掌握图神经网络的理论和实践。

Share

Help others find this course page by sharing it with your friends and followers:

Similar courses

Similar courses are unavailable at this time. Please try again later.
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2025 OpenCourser