4단계: 딥러닝 및 신경망

노드 임베딩, 그래프 신경망, 그래프 생성 모델의 이론과 실제를 다루는 그래프 표현 학습에 대한 종합적인 교과서

GraphNeuralNetworkDeepLearningGraphEmbeddingWebSiteebookFreeEnglish

그래프 표현 학습 서적 상세 소개

개요

이 책은 맥길 대학교(McGill University)의 윌리엄 L. 해밀턴(William L. Hamilton) 교수가 집필한 그래프 표현 학습에 대한 종합 교과서입니다. 이 책은 그래프 데이터 임베딩 방법, 그래프 신경망, 그래프의 심층 생성 모델을 포함하여 그래프 표현 학습에 대한 간결하면서도 포괄적인 소개를 제공하는 것을 목표로 합니다.

배경

그래프 표현 학습 분야는 지난 7년간 놀라운 속도로 발전하여, 비교적 틈새 연구 분야에서 딥러닝 내에서 가장 빠르게 성장하는 하위 분야 중 하나로 변모했습니다. 이 책은 저자가 이 빠르게 발전하는 분야에 대한 권위 있는 소개를 제공하려는 시도입니다.

획득 방법

무료 버전: 사전 공개 버전 PDF 파일을 다운로드할 수 있습니다.
정식 버전: Morgan & Claypool 출판사를 통해 전자책 또는 인쇄본을 구매할 수 있습니다.
챕터별 접근: 각 챕터의 사전 공개 버전에 개별적으로 접근할 수 있습니다.

Chapter 5: The Graph Neural Network Model
- 그래프 신경망 모델
- 최종 업데이트: 2020년 9월
Chapter 6: Graph Neural Networks in Practice
- 실제 그래프 신경망
- 최종 업데이트: 2020년 9월
Chapter 7: Theoretical Motivations
- 이론적 동기
- 최종 업데이트: 2020년 9월

Part III: 생성 그래프 모델 (Generative Graph Models)

Chapter 8: Traditional Graph Generation Approaches
- 전통적인 그래프 생성 접근 방식
- 최종 업데이트: 2020년 9월
Chapter 9: Deep Generative Models
- 심층 생성 모델
- 최종 업데이트: 2020년 9월

부록

Bibliography
- 참고 문헌
- 최종 업데이트: 2020년 9월

학술 정보

저자: William L. Hamilton
출판사: Morgan & Claypool Publishers
시리즈: Synthesis Lectures on Artificial Intelligence and Machine Learning
권 번호: 14
호 번호: 3
페이지 수: 1-159

저작권 정보

피드백 채널

피드백, 오류 수정 및 의견을 환영하며, wlh@cs.mcgill.ca로 이메일을 보내주십시오. 이메일 제목에 [GRL BOOK]을 표시해 주십시오.

학습 가치

이 책은 다음 사람들에게 귀중한 학습 자료를 제공합니다.

딥러닝 연구자
그래프 신경망 초보자
그래프 데이터 분석 전문가
머신러닝 엔지니어
대학원생 및 박사 과정 학생

핵심 기술 분야

그래프 임베딩 기술
그래프 신경망 아키텍처
지식 그래프 처리
그래프 생성 모델
그래프 데이터에 대한 딥러닝 적용