Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2024/2025

Grafové neuronové sítě

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
NI-GNN Z,ZK 4 1P+1C česky
Garant předmětu:
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra aplikované matematiky
Anotace:

V rámci předmětu se studenti seznámí s pokročilými technikami umělé inteligence pro práci s grafy. Přednášky se soustředí na nejnovější grafové neuronové sítě pro vytváření vektorových reprezentací uzlů, hran i celých grafů. Probírané techniky pokrývají různé typy grafů, včetně grafů proměnných v čase. Poslení část kurzu se také zabývá generování grafů a interpretabilitou grafových neuronových sítí. V rámci cvičení si studenti vyzkouší vybrané techniky a úlohy.

Požadavky:

žádné vstupní požadavky

Osnova přednášek:

1) Úvod do předmětu, motivace a definice pojmů.

2) Reprezentace založené na matici sousednosti a náhodných procházkách grafem.

3) Konvoluční grafové neuronové sítě.

4) Reprezentace grafů proměnných v čase.

5) Generování a reprezentace grafů pomocí grafových autoenkodérů.

6) Interpretabilita a aplikace ve zpracování přirozeného jazyka a rekomendačních systémech.

Osnova cvičení:

1) Seznámení s knihovnou StellarGraph.

2) Vektorová reprezentace grafů.

3) Klasifikace a shlukování uzlů a grafů.

4) Grafy s časovou složkou.

5) Práce na semestrální úloze.

6) Odevzdání práce a prezentace.

Cíle studia:
Studijní materiály:

Deep Learning; I. Goodfellow, Y. Bengio, A. Courville; MIT Press; 2016; ISBN 978-0262035613.

Introduction to Graph Neural Networks; Zhiyuan Liu, Jie Zhou; Morgan & Claypool Publishers; 2020; ISBN-13‎ 978-1681737652

Graph Representation Learning (Synthesis Lectures on Artificial Intelligence and Machine Learning); William L. Hamilton; Morgan & Claypool Publishers; 2020; ISBN‎ 978-1681739632

Heterogeneous Graph Representation Learning and Applications; Chuan Shi, Xiao Wang, Philip S. Yu; Springer; 2022; ISBN:‎ 978-9811661655

Poznámka:

Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/NI-GNN/

Další informace:
https://courses.fit.cvut.cz/NI-GNN/
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 26. 4. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet7023806.html