Graph Neural Networks in Action
Книга «Graph Neural Networks in Action» представляет собой практическое руководство по работе с графовыми нейронными сетями (GNN). Авторы, Keita Broadwater и Namid Stillman, ведут читателя от основ графовых представлений и эмбеддингов узлов до реализации сложных архитектур, таких как графовые сверточные сети (GCN), GraphSAGE и графовые автоэнкодеры.
В первой части книги рассматриваются фундаментальные концепции: что такое графы, типы графов, различия между табличными и графовыми данными, а также принципы обучения на графах. Читатель знакомится с ментальной моделью проекта GNN, включая этапы предобработки данных, создания графовых представлений и обучения моделей.
Вторая часть посвящена архитектурам GNN: Graph Convolutional Networks, Graph Attention Networks (GAT) и Graph Autoencoders. Каждая глава содержит практические примеры и объяснения механизмов работы этих сетей. Третья часть охватывает продвинутые темы: динамические (спациотемпоральные) графы, масштабирование обучения и вывода для больших данных, а также практические соображения для реализации проектов GNN, включая источники данных и особенности инженерии признаков.
Книга ориентирована на практикующих специалистов по машинному обучению и data science, которые хотят применять GNN для задач рекомендательных систем, drug discovery, анализа социальных сетей и других областей, где данные имеют графовую структуру. Издание содержит примеры кода, case studies и рекомендации по инструментам, таким как PyTorch Geometric.
