AI437
GRAFİK TABANLI MAKİNE ÖĞRENMESİ
- Ders Kodu
- AI437
- Yarıyıl
- -
- Teori+Uygulama
- 3 + 0
- AKTS
- 5
| Dersin Türü | Seçmeli |
|---|---|
| Dersin Düzeyi | Lisans |
| Dersin Yılı | - |
| Dersin Yarıyılı | - |
| AKTS | 5 |
| Öğretim Eleman(lar)ı | - |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler; |
| Veriliş Biçimi | |
| Önkoşullar | Yok |
| Önerilen Dersler | |
| Ders Tanımı | Graflara giriş: yapısı, türleri ve özellikleri, Grafik gösterimi: komşuluk matrisi, Laplacian, gömme yöntemleri, Düğüm sınıflandırması, bağlantı tahmini ve grafik kümeleme, Grafik dolaşım algoritmaları: BFS, DFS, en kısa yollar, Spektral grafik teorisi temelleri, Grafik çekirdekleri ve benzerlik ölçümleri, Grafik Sinir Ağlarına (GNN) giriş, GCN, GraphSAGE, GAT ve diğer mimariler, Dinamik grafikler ve zamansal grafik öğrenimi, Öneri sistemleri, sosyal ağlar, biyoinformatik ve bilgi grafiklerinde uygulamalar, Araçlar ve çerçeveler: NetworkX, PyTorch Geometric, DGL, Gerçek dünya grafik veri setleri üzerinde proje tabanlı öğrenme. |
| Ders İçeriği | |
| Kaynaklar | * Graph Representation Learning - William L. Hamilton * Graph Neural Networks: Foundations, Frontiers, and Applications - Lingfei Wu, Yu Chen, Yao Ma, Jiliang Tang |
| Öğretim Yöntemleri | |
| Değerlendirme | |
| Dil | - |
| Staj / Uygulama | Yok |