campaign mobile
image

شبکه‌های عصبی گرافی

امروزه با رشد چشمگیر استفاده از شبکه‌های اجتماعی و توانایی مدل‌سازی داده‌های پیچیده از طریق گراف‌ها، اهمیت تحلیل و بررسی گراف‌ها بیش از پیش برجسته شده است. اکنون گراف‌ها و شبکه‌ها به‌عنوان ابزاری کارآمد، نقشی اساسی در مدل‌سازی بسیاری از سیستم‌ها ایفا می‌کنند، سیستم‌هایی مثل شبکه‌های اجتماعی، فناورانه و زیستی. این دوره با معرفی الگوریتم‌ها و تکنیک‌های پیشرفته یادگیری ماشین و داده‌کاوی، گام بلندی در جهت تحلیل و بهره‌برداری از داده‌های گرافی برداشته است.

مشخصات دوره

سطحمقدماتی
مدت7 ساعت
مدرکدارد
تاریخ به روزرسانی۱۴۰۳/۶/۲۷
قالب دورهمهارت محور
میزان محبوبیت
4.3
(3 رای)
۸۰۰٬۰۰۰
تومان

مطالب دوره

1. مقدمه
1.1 معرفی کلی درس و ارائه ی چند مثال کاربردی
13' : 07''
2.1 انواع شبکه ها و گراف ها و وظایف بر روی آنها
18' : 04''
3.1 انواع گراف ها و ساختار داده ای آنها
14' : 48''
4.1 گراف هایی با حالت های خاص و گراف های متصل
09' : 33''
2. آشنایی با تکنیک های تعبیه گره ها
3. مقدمه ای بر شبکه های عصبی گرافی
4. نمایی کلی از شبکه های عصبی گرافی
5. استفاده از GNN ها برای سیستم های توصیه گر
6. شبکه های عصبی بازگشتی گرافی برای تولید گراف

اطلاعات تکمیلی دوره

در این دوره، ابتدا با شبکه‌ها و گراف‌ها آشنا می‌شوید. سپس تکنیک‌ها و الگوریتم‌های کلیدی با تمرکز بر یادگیری ماشین برای تحلیل داده‌های گرافی انبوه معرفی می‌شوند.

 

مخاطبین

  • مهندسان داده علاقه‌مند به تکنولوژی‌های نوین در یادگیری ماشین و داده‌کاوی
  • دانشمندان داده فعال در حوزه تحلیل سیستم‌های پیچیده و ارتباطی
  • دانشجویان و پژوهشگران علوم داده و مهندسی کامپیوتر 

 

پیش‌نیاز‌:

  • این دوره پیش‌نیازی ندارد

 

نحوه ارزشیابی

  • ۶۰ درصد نمره آزمون چهار گزینه‌ای
  • ۴۰ درصد نمره پروژه ی پایانی

مدرس دوره

هادی زارع
هادی زارع
مشاهده رزومه

دوره‌های پیشنهادی

هوش مصنوعی
هوش مصنوعی
هوش مصنوعی