Создавайте креативные и мощные приложения с использованием графовых данных и станьте экспертом в графовых нейронных сетях!

Всего через десять лет после своего появления графовые нейронные сети стали одной из самых интересных архитектур в глубоком обучении. Технологические компании пытаются применить их повсюду: в сфере разработки лекарств, в системах рекомендаций еды, видео и поиска романтических партнеров, для выявления фейковых новостей. В этой книге представлены основы теории графов для data science и машинного обучения, а также практические задачи, которые решаются с помощью графовых нейронных сетей.В процессе чтения вы научитесь:

• создавать графовые наборы данных из табличных или исходных данных;
• преобразовывать узлы и ребра в высококачественные эмбеддинги;
• реализовывать графовые нейронные сети с использованием PyTorch Geometric;
• выбирать лучшую модель графовых нейронных сетей в зависимости от вашей задачи;
• выполнять такие задачи, как классификация узлов, генерация графов, предсказание связей;
• применять эти знания к реальным задачам, используя исходные данные.

По мере чтения вы откроете для себя целый ряд ранее неизвестных сфер применения машинного обучения и сформируете профессиональное портфолио.Студенты, специалисты по data science, а также эксперты в области машинного и глубокого обучения найдут в книге понятные и иллюстрированные объяснения с кодом и тетрадками, чтобы быстро начать работу. Для изучения материала пригодятся базовые знания языка Python и линейной алгебры.