Graph Neural Networks in Action av Keita Broadwater, Namid Stillman

Graph Neural Networks in Action er en praktisk veiledning til hvordan man kan bygge avanserte grafbaserte dyp læringsmodeller. Boken gir en grundig innføring i utviklingen av grafnevrale nettverk og kraftige modeller for anbefalingsmotorer, molekylmodellering og mye mer. Du lærer ikke bare å designe og trene modellene dine, men også hvordan du kan videreutvikle dem til praktiske applikasjoner som kan settes i produksjon. Retter seg mot programmerere med erfaring i Python, boken tar deg gjennom vanlige arkitekturer for grafnevrale nettverk og de nyeste bibliotekene, alt tydelig illustrert med velkommentert Python-kode. Bokens hovedtrekk inkluderer: - Trening og distribusjon av et grafnevralt nettverk - Generering av node-innbygginger - Bruk av GNN-er på skala for svært store datasett - Bygging av en grafdatapipeline - Opprettelse av et grafdataskjema - Forståelse av taksonomien til GNN-er - Manipulering av grafdata med NetworkX Dykk inn i praktiske prosjekter og utforsk omfanget av hva som er mulig med grafnevrale nettverk.