Российские дизайнерыFABLE, AFINA, STUDIO 29 и другие бренды

Колесо призов
Заказы
Избранное
Корзина
Маркет AI
Войти

Строительство и ремонт

Книги
•
Нехудожественные книги
•
Нехудожественные книги ДМК Пресс

Описание

РЫНКА

ДМК Пресс

Графовые нейронные сети на Python

Name: Графовые нейронные сети на Python
Brand: ДМК Пресс
SKU: 103643953307
Price: 3308 RUB
Availability: InStock

Артикул Маркета

103723214247

ISBN

9785937003195

Автор

М.Лабонн, А.Груздев

Переводчик

Груздев Артем Владимирович

Год издания

2024

Внешний вид товаров и/или упаковки может быть изменён изготовителем и отличаться от изображенных на Яндекс Маркете.

Все характеристики

Пэй

7 143 ₽

–54%

Графовые нейронные сети на Python

Задать вопрос

Пэй

7 143 ₽

–54%

Доставка Маркета

Закажите до 09:30 — доставим послезавтра

Послезавтра, по клику 0 ₽

Москва

Послезавтра, пункт выдачи 0 ₽

Москва

14 дней на возврат

О возвратах

книги ДМК Пресс

Магазин

4.9 185 оценок

1.1Kзаказов

58подписчиков

1год на Маркете

Все 2 предложения

от 3 308 рублей

О товаре

Описание

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.