Estudia propagación de mensajes, clasificación de grafos y predicción relacional.
Explora atención en grafos, propagación neuronal de mensajes, clasificación de nodos y grafos y completado de grafos de conocimiento multirrelacionales. Relaciona estructura y agregación con tareas predictivas y analiza cómo la aumentación y los supuestos geométricos afectan a la generalización. Hace explícita la construcción del grafo y plantea una evaluación sin fugas de datos.
Describir una capa de propagación de mensajes como agregación de información vecina seguida de actualizaciones de representaciones de nodos. Distinguir tareas de predicción por nodo, por grafo y de enlaces relacionales, y elegir una partición adecuada. Evaluar cómo la construcción del grafo, el desequilibrio de clases, la aumentación y la geometría relacional pueden cambiar los resultados.
Se recomienda conocer redes neuronales, álgebra lineal y clasificación supervisada. Ayuda conocer matrices de adyacencia, embeddings y evaluación de entrenamiento/validación/prueba; no hace falta una biblioteca de grafos.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
4 lecciones · Avanzado · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.