Étudiez la propagation de messages, la classification de graphes et les prédictions relationnelles.
Le cours explore l’attention sur graphes, la propagation neuronale de messages, la classification de nœuds et de graphes et la complétion de graphes de connaissances multirelationnels. Reliez structure et agrégation aux tâches de prédiction, puis examinez l’effet de l’augmentation et des hypothèses géométriques sur la généralisation. Vous explicitez la construction du graphe et concevez une évaluation sans fuite de données.
Décrire une couche de propagation de messages comme une agrégation des informations voisines suivie d’une mise à jour des représentations des nœuds. Distinguer prédiction au niveau du nœud, du graphe et des relations, et choisir un découpage adapté. Évaluer l’effet de la construction du graphe, du déséquilibre des classes, de l’augmentation et de la géométrie relationnelle.
Une connaissance des réseaux de neurones, de l’algèbre linéaire et de la classification supervisée est recommandée. Les matrices d’adjacence, les embeddings et l’évaluation entraînement/validation/test sont utiles ; aucune bibliothèque de graphes n’est requise.
Aux apprenants expérimentés souhaitant approfondir et appliquer des compétences avancées en IA
Aux personnes qui apprennent mieux avec des exemples, des leçons guidées et de la pratique
Aux professionnels, créateurs et développeurs indépendants recherchant une méthode reproductible
La leçon 1 est gratuite
4 leçons · Avancé · Cours complet.
Ce cours utilise du contenu sous licence CC BY attribué à son fournisseur ou à la personne qui l’a mis en ligne. La lecture des leçons est disponible uniquement après authentification et validation des contrôles de publication et de licence.