Машинне навчання на графах (прикладна математика)
Тип: На вибір студента
Кафедра: обчислювальної математики
Навчальний план
| Семестр | Кредити | Звітність |
| 10 | 4.5 | Залік |
Лекції
| Семестр | К-сть годин | Лектор | Група(и) |
| 10 | 16 | доцент Музичук Ю. А. | ПМп-51м |
Лабораторні
| Семестр | К-сть годин | Група | Викладач(і) |
| 10 | 32 | ПМп-51м | доцент Музичук Ю. А., Гарасим Я. С. |
Опис курсу
Курс “Машинне навчання на графах” поєднує теоретичні та практичні аспекти застосування методів машинного навчання до даних, структурованих у вигляді графів. Курс починається з фундаментальних понять та алгоритмів теорії графів, моделей на основі графів, та веде до більш складних тем, як-от вивчення представлення графів і нейронні мережі на графах. Курс далі вивчає класифікацію вузлів і ребер та генерацію графів. Також розглядаються питання графів знань та побудови рекомендаційних систем. Значна увага приділяється отриманню практичного досвіду під час лабораторних занять, де студенти реалізують вивчені концепції за допомогою мови Python і бібліотек NetworkX, PyTorch Geometric та Neo4J.
Рекомендована література
Основна література
- Goodfellow I. Deep Learning / Ian Goodfellow, Yoshua Bengio, Aaron Courville. – MIT Press, 2016. – WWW: http://www.deeplearningbook.org
- Hamilton W. Graph Representation Learning / William L. Hamilton. – McGill University, 2020. – WWW: https://www.cs.mcgill.ca/~wlh/grl_book/
- Labonne M. Hands-On Graph Neural Networks Using Python: Practical techniques and architectures for building powerful graph and deep learning apps with PyTorch / Maxime Labonne. – Packt Publishing, 2023. – 354p.
- Negro A. Graph-Powered Machine Learning / Alessandro Negro. – Manning, 2021. – 496p.
- Stamile C. Graph Machine Learning: Take graph data to the next level by applying machine learning techniques and algorithms / Claudio Stamile, Aldo Marzullo, Enrico Deusebio. – Packt Publishing, 2021. – 338p.
- Van Bruggen R. Learning Neo4j / Rik Van Bruggen. – Packt Publishing, 2014. – 222p.
- Fey Fast Graph Representation Learning with PyTorch Geometric / Matthias Fey, Jan Eric Lenssen, 2019. – WWW: https://arxiv.org/abs/1903.02428
Додаткова література
- Easley D. Networks, Crowds, and Markets: Reasoning About a Highly Connected World / David Easley, Jon Kleinberg. – Cambridge University Press, 2010. – WWW: http://www.cs.cornell.edu/home/kleinber/networks-book/
- Barabasi A.-L. Network Science / Albert-Laszlo Barabasi. – WWW: http://networksciencebook.com/
- Robinson I. Graph Databases / Ian Robinson, Jim Webber, Emil Eifrem. – O’Reilly, 2015. – 220p.
- Needham M. Graph Algorithms: Practical Examples in Apache Spark and Neo4j / Mark Needham, Amy E. Hodler. – O’Reilly, 2019. – 268p.
- Gosnell D. The Practitioner’s Guide to Graph Data / Denise Gosnell, Matthias Broecheler. – O’Reilly, 2020. – 250p.
- Huyen C. Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications / Chip Huyen. – O’Reilly, 2022. – 386p.