Bestudeer message passing, graafclassificatie en relationele voorspellingen.
Verken graph attention, neuraal message passing, classificatie van knopen en grafen en voltooiing van multi-relationele kennisgrafen. De lessen verbinden graafstructuur en aggregatie met voorspellingstaken en onderzoeken hoe augmentatie en geometrische aannames generalisatie beïnvloeden. Je maakt keuzes over graafconstructie expliciet en ontwerpt een evaluatie zonder datalekken.
Beschrijf een message-passinglaag als aggregatie van buurtnformatie, gevolgd door updates van knooprepresentaties. Onderscheid voorspellingen op knoopniveau, graafniveau en relationele linkvoorspelling en kies een passende splitsing. Beoordeel hoe graafconstructie, klasse-onbalans, augmentatie en relationele geometrie resultaten kunnen beïnvloeden.
Kennis van neurale netwerken, lineaire algebra en begeleide classificatie is aanbevolen. Bekendheid met adjacentiematrices, embeddings en train/validatie/test-evaluatie helpt; een graafbibliotheek is niet nodig.
Ervaren cursisten die geavanceerde AI-vaardigheden willen verdiepen en toepassen
Mensen die het beste leren met voorbeelden, begeleide lessen en praktische oefeningen
Professionals, makers en zelfstandige bouwers die een herhaalbare werkwijze zoeken
Les 1 is gratis
4 lessen · Gevorderd · Volledige cursus.
Deze cursus gebruikt CC BY-gelicentieerd materiaal met naamsvermelding van de inhoudsprovider of uploader. Lesvideo’s zijn alleen na aanmelding beschikbaar wanneer de publicatie- en licentiecontroles zijn geslaagd.