Чему вы научитесь
- 📚 Понимание графов в Data Science (зачем нужны графовые модели)
- 📚 Глубокий разбор GNN (архитектуры, особенности, математика)
- 📚 Практика с PyTorch Geometric (создание и обучение моделей)
- 📚 Оптимизация GNN (ускорение, борьба с переобучением)
- 📚Работа с динамическими графами (создание и обучение моделей)
О курсе
🚀Графовые нейронные сети (GNN) – это мощный инструмент для анализа сложных структурированных данных, таких как социальные сети, молекулы, финансовые транзакции и рекомендательные системы. В этом курсе мы разберем основные архитектуры GNN, научимся применять их на реальных данных и разберем современные методы оптимизации.
Для кого этот курс
Курс предназначен для всех, кто хочет расширить область своих инструментов для обработки данных с помощью использования графовых нейтронные сетей.
📌 Если вы хотите разрабатывать GNN-модели и применять их в реальных проектах — этот курс для вас!
Начальные требования
- Знание Python на базовом уровне
- Опыт работы с PyTorch или другими ML-фреймворками
- Базовое понимание теории графов (желательно, но не обязательно)
- Опыт работы с данными (NumPy, Pandas, Matplotlib)
🚀 Готовы освоить графовые нейронные сети? Тогда начинаем! 🚀
Преподаватели курса
176
Как проходит обучение
💡 Учиться можно сразу
4-5 часов в неделю, в удобном темпе
Нагрузка
4-5 часов в неделю