그래프 머신러닝 > 도서

그래프 머신러닝



도서명 : 그래프 머신러닝
저자/출판사 : 클라우디오,스타밀레,알도,마르줄로,엔리코,듀세비오,저, 에이콘출판
쪽수 : 360쪽
출판일 : 2023-01-31
ISBN : 9791161757209
정가 : 35000

1부. 그래프 머신러닝 소개
2부.
1장. 그래프 시작하기
__기술적 필요 사항
__networkx로 그래프 이해하기
____그래프의 종류
____그래프 표현
__그래프 플로팅
____networkx
____Gephi
__그래프 속성
____통합 측정 지표
____분리 측정 지표
____중심성 측정 지표
____탄력성 측정 지표
__벤치마크 및 저장소
____간단한 그래프의 예
____그래프 생성 모델
____벤치마크
__큰 그래프 다루기
__요약

2장. 그래프 머신러닝
__기술적 필요 사항
__그래프 머신러닝 이해하기
____머신러닝의 기본 원리
____그래프 머신러닝의 이점
__일반화된 그래프 임베딩 문제
__그래프 임베딩 머신러닝 알고리듬의 분류
____임베딩 알고리듬의 분류
__요약

2부. 그래프에서의 머신러닝

3장. 비지도 그래프 학습
__기술적 필요 사항
__비지도 그래프 임베딩 로드맵
__얕은 임베딩 방법
____행렬 분해
____그래프 분해
____고차 근접 보존 임베딩
____전역 구조 정보를 통한 그래프 표현
____skip-gram
____DeepWalk
____Node2Vec
____Edge2Vec
____Graph2Vec
__오토인코더
____텐서플로와 케라스-강력한 조합
____첫 번째 오토인코더
____노이즈 제거 오토인코더
____그래프 오토인코더
__그래프 신경망
____GNN의 변형
____스펙트럼 그래프 합성곱
____공간 그래프 합성곱
____예제로 보는 그래프 합성곱
__요약

4장. 지도 그래프 학습
__기술적 필요 사항
__지도 그래프 임베딩 로드맵
__특징 기반 방법
__얕은 임베딩 방법
____라벨 전파 알고리듬
____라벨 확산 알고리듬
__그래프 정규화 방법
____매니폴드 정규화 및 준지도 임베딩
____신경 그래프 학습
____Planetoid
__Graph CNN
____GCN을 이용한 그래프 분류
____GraphSAGE를 이용한 노드 분류
__요약

5장. 그래프에서의 머신러닝 문제
__기술적 필요 사항
__그래프에서 누락된 링크 예측
____유사성 기반 방법
____임베딩 기반 방법
__커뮤니티와 같은 의미 있는 구조 감지
____임베딩 기반 커뮤니티 감지
____스펙트럼 방법 및 행렬 분해
____확률 모델
____비용 함수 최소화
__그래프 유사성 및 그래프 매칭 감지
____그래프 임베딩 기반 방법
____그래프 커널 기반 방법
____GNN 기반 방법
____응용
__요약

3부. 그래프 머신러닝의 고급 응용

6장. 소셜 네트워크 그래프
__기술적 필요 사항
__데이터셋 개요
____데이터셋 다운로드
____networkx로 데이터셋 불러오기
__네트워크 토폴로지 및 커뮤니티 감지
____토폴로지 개요
____노드 중심성
____커뮤니티 감지
__지도 및 비지도 임베딩
____작업 준비
____node2vec 기반 링크 예측
____GraphSAGE 기반 링크 예측
____링크 예측을 위한 수작업 특징
____결과 요약
__요약

7장. 그래프를 이용한 텍스트 분석 및 자연어 처리
__기술적 필요 사항
__데이터셋 개요
__자연어 처리에서 사용되는 주요 개념 및 도구 이해
__문서 모음에서 그래프 만들기
____지식 그래프
____이분 문서/개체 그래프
__문서 주제 분류기 구축
____얕은 학습 방법
____그래프 신경망
__요약

8장. 신용카드 거래에 대한 그래프 분석
__기술적 필요 사항
__데이터셋 개요
____데이터셋 불러오기 및 networkx 그래프 구축
__네트워크 토폴로지 및 커뮤니티 감지
____네트워크 토폴로지
____커뮤니티 감지
__사기 탐지를 위한 지도 및 비지도 임베딩
____사기 거래 식별에 대한 지도 학습 접근 방식
____사기 거래 식별에 대한 비지도 학습 접근 방식
__요약

9장. 데이터 드리븐 그래프 기반 응용 프로그램 구축
__기술적 필요 사항
__람다 아키텍처 개요
__그래프 기반 응용 프로그램을 위한 람다 아키텍처
____그래프 처리 엔진
____그래프 쿼리 레이어
____Neo4j와 GraphX 선택
__요약

10장. 그래프의 새로운 트렌드
__그래프의 데이터 증대에 대해 알아보기
____샘플링 전략
____데이터 증강 기술 살펴보기
__토폴로지 데이터 분석에 대해 배우기
____토폴로지 머신러닝
__새로운 영역에 그래프 이론 적용하기
____그래프 머신러닝 및 신경 과학
____그래프 이론 및 화학 및 생물학
____그래프 머신러닝 및 컴퓨터 비전
__추천 시스템
__요약