Grafové strojové učenie: Dáta z grafov sa dostanú na vyššiu úroveň použitím techník a algoritmov strojového učenia

Recenzie čitateľov

Kniha poskytuje komplexný úvod do grafového strojového učenia, v ktorom je vyvážená teória a praktické aplikácie, s množstvom príkladov kódu. Hoci slúži ako cenný zdroj informácií pre tých, ktorí poznajú koncepty strojového učenia, čitateľom môže chýbať hĺbka diskusií o teórii grafov a má problémy s kvalitou tlače a nepravidelným zápisom.

⬤ Vysokokvalitné vysvetlenia, diskusie a príklady skriptovania.
⬤ Komplexný prehľad rôznych aplikácií strojového učenia využívajúcich koncepty grafov.
⬤ Dobrá organizácia a prístupný štýl pre čitateľov s predchádzajúcimi znalosťami v oblasti ML/DL.
⬤ Obsahuje praktické príklady kódu a reálne aplikácie.
⬤ Pokrýva nové témy, ako je topologická analýza dát a grafové vložky.

⬤ Slabá kvalita tlače, nečitateľné grafy a problémy s formátovaním kódu.
⬤ Niektoré vysvetlenia sú povrchné s nedbalými zápismi a gramatickými chybami.
⬤ Vyžaduje predchádzajúce znalosti strojového učenia a matematiky, čo môže odradiť začiatočníkov.
⬤ Problémy s kompatibilitou s niektorými vzorkami kódu a knižnicami.
⬤ Chýba podrobné preskúmanie niektorých teórií a základných pojmov.

(na základe 21 čitateľských recenzií)

Pôvodný názov:

Graph Machine Learning: Take graph data to the next level by applying machine learning techniques and algorithms

Obsah knihy:

Zostavte algoritmy strojového učenia pomocou údajov z grafov a efektívne využívajte topologické informácie vo svojich modeloch

Kľúčové funkcie:

⬤ Zavádzajte techniky strojového učenia a algoritmy v grafových dátach.

⬤ Identifikujte vzťahy medzi uzlami s cieľom prijímať lepšie obchodné rozhodnutia.

⬤ Aplikujte metódy strojového učenia založené na grafoch na riešenie reálnych problémov.

Popis knihy:

Grafové strojové učenie poskytuje nový súbor nástrojov na spracovanie sieťových údajov a využitie sily vzťahu medzi entitami, ktoré možno využiť na predikčné, modelovacie a analytické úlohy.

Začnete krátkym úvodom do teórie grafov a strojového učenia grafov a pochopíte ich potenciál. Postupne sa dobre oboznámite s hlavnými modelmi strojového učenia pre učenie reprezentácie grafov: ich účelom, spôsobom fungovania a možnosťami ich implementácie v širokej škále aplikácií učenia pod dohľadom a bez dohľadu. Následne vytvoríte kompletný postup strojového učenia vrátane spracovania údajov, trénovania modelov a predikcie s cieľom naplno využiť potenciál grafových údajov. Ďalej sa budete venovať reálnym scenárom, ako je získavanie údajov zo sociálnych sietí, textová analýza a spracovanie prirodzeného jazyka (NLP) pomocou grafov a systémy finančných transakcií na grafoch. Nakoniec sa naučíte, ako vytvárať a škálovať aplikácie založené na údajoch pre analýzu grafov na ukladanie, vyhľadávanie a spracovanie sieťových informácií, a potom prejdete na skúmanie najnovších trendov v oblasti grafov.

Na konci tejto knihy o strojovom učení sa naučíte základné pojmy teórie grafov a všetky algoritmy a techniky používané na budovanie úspešných aplikácií strojového učenia.

Čo sa naučíte:

⬤ Písať skripty v jazyku Python na extrahovanie funkcií z grafov.

⬤ Rozlišujte medzi hlavnými technikami učenia reprezentácie grafov.

⬤ Získajte prehľad o získavaní údajov zo sociálnych sietí, systémov finančných transakcií a ďalších.

⬤ Zaviesť hlavné techniky vkladania grafov bez dohľadu a s dohľadom.

⬤ Zoznámte sa s metódami plytkého vkladania, grafovými neurónovými sieťami, metódami regularizácie grafov a ďalšími.

⬤ Plynulo nasadzujte a škálujte svoje aplikácie.

Pre koho je táto kniha určená:

Táto kniha je určená dátovým analytikom, vývojárom grafov, grafovým analytikom a odborníkom na grafy, ktorí chcú využiť informácie obsiahnuté v spojeniach a vzťahoch medzi dátovými bodmi na zvýšenie výkonnosti svojich analýz a modelov. Kniha bude užitočná aj pre dátových vedcov a vývojárov strojového učenia, ktorí chcú vytvárať grafové databázy založené na ML. Vyžaduje sa začiatočnícka znalosť grafových databáz a grafových údajov. Na to, aby ste z tejto knihy vyťažili čo najviac, sa očakávajú aj pracovné znalosti programovania v jazyku Python a strojového učenia na stredne pokročilej úrovni.