深度学习-图神经网络实战 全套无加密带资料

cf20968e35777549b6eb43f21e2f31f2_f8ae34e29b09480e8f10c32c3cf51080_imageView&qu.webp (68.61 KB, 下载次数: 50) 下载附件   保存到相册 2024-5-15 00:01 上传

课程推荐

《深度学习-图神经网络实战 全套无加密带资料》cf20968e35777549b6eb43f21e2f31f2_f8ae34e29b09480e8f10c32c3cf51080_imageView&qu.webp (68.61 KB, 下载次数: 50) 下载附件   保存到相册 2024-5-15 00:01 上传【技能收获】学完可掌握：Embedding 向量检索、AI Agent 智能体构建。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（88 节）

*   1-1.1-图神经网络应用领域分析.mp4

*   1-2.2-图基本模块定义.mp4

*   1-3.3-邻接矩阵的定义.mp4

*   1-4.4-GNN中常见任务.mp4

*   1-5.5-消息传递计算方法.mp4

*   1-6.6-多层GCN的作用.mp4

*   2-1.1-GCN基本模型概述.mp4

*   2-2.2-图卷积的基本计算方法.mp4

*   2-3.3-邻接的矩阵的变换.mp4

*   2-4.4-GCN变换原理解读.mp4

*   3-1.1-PyTorch Geometric工具包安装与配置方法.mp4

*   3-2.2-数据集与邻接矩阵格式.mp4

*   3-3.3-模型定义与训练方法.mp4

*   3-4.4-文献引用数据集分类案例实战.mp4

*   4-1.1-构建数据集基本方法.mp4

*   4-2.2-数据集与任务背景概述.mp4

*   4-3.3-数据集基本预处理.mp4

*   4-4.4-用户行为图结构创建.mp4

*   4-5.5-数据集创建函数介绍.mp4

*   4-6.6-网络结构定义模块.mp4

*   4-7.7-TopkPooling进行下采样任务.mp4

*   4-8.8-获取全局特征.mp4

*   4-9.9-模型训练与总结.mp4

*   5-1.1-图注意力机制的作用与方法.mp4

*   5-2.2-邻接矩阵计算图Attention.mp4

*   5-3.3-序列图神经网络TGCN应用.mp4

*   5-4.4-序列图神经网络细节.mp4

*   6-1.1-要完成的任务分析.mp4

*   6-2.2-基本方法概述解读.mp4

*   6-3.3-图模型提取全局与局部特征.mp4

*   6-4.4-NTN模块的作用与效果.mp4

*   6-5.5-点之间的对应关系计算.mp4

*   6-6.6-结果输出与总结.mp4

*   7-1.1-数据集与任务概述.mp4

*   7-2.2-图卷积特征提取模块.mp4

*   7-3.3-分别计算不同Batch点的分布.mp4

*   7-4.4-获得直方图特征结果.mp4

*   7-5.5-图的全局特征构建.mp4

*   7-6.6-NTN图相似特征提取.mp4

*   7-7.7-预测得到相似度结果.mp4

*   8-1.1-数据集与标注信息解读.mp4

*   8-2.2-整体三大模块分析.mp4

*   8-3.3-特征工程的作用与效果.mp4

*   8-4.4-传统方法与现在向量空间对比.mp4

*   8-5.5-输入细节分析.mp4

*   8-6.6-子图模块构建方法.mp4

*   8-7.7-特征融合模块分析.mp4

*   8-8.8-VectorNet输出层分析.mp4

*   9-1.1-数据与环境配置.mp4

*   9-2.2-训练数据准备.mp4

*   9-3.3-Agent特征提取方法.mp4

*   9-4.4-DataLoader构建图结构.mp4

*   9-5.5-SubGraph与Attention模型流程.mp4

*   10-1.1-业务应用场景介绍与分析.mp4

*   10-2.2-图神经网络建模解决思路与方法.mp4

*   10-3.3-传感器节点特征提取方法.mp4

*   10-4.4-图模型结合时间序列.mp4

*   10-5.5-ICU传感器数据集介绍.mp4

*   11-1.1-医疗数据处理与特征提取.mp4

*   11-2.2-时序特征与静态特征处理.mp4

*   11-3.3-序列长度处理与统一.mp4

*   11-4.4-数据预处理与输入特征构建.mp4

*   11-5.5-图结构样本构建.mp4

*   11-6.6-图注意力机制模块设计与实现.mp4

*   11-7.7-时序特征构建与总结.mp4

*   12-1.1-图注意力模块回顾.mp4

*   12-2.2-异构图基本结构通俗解读.mp4

*   12-3.3-MetaPath与基本计算流程分析.mp4

*   12-4.4-路径加权聚合得到节点特征.mp4

*   12-5.5-淘宝异构图分析.mp4

*   12-6.6-Link边预测方法解读.mp4

*   13-1.1-影评数据集读取与处理.mp4

*   13-2.2-点和边特征定义.mp4

*   13-3.3-边的切分与采样方式.mp4

*   13-4.4-异构图模型定义方法.mp4

*   14-1.1-KIE要完成的任务分析.mp4

*   14-2.2-任务流程分析概述.mp4

*   14-3.3-特征拼接与聚合.mp4

*   14-4.4-图结构中节点特征计算方法.mp4

*   14-5.5-消息传递计算方法.mp4

*   15-1.1-配置文件以及要完成的任务解读.mp4

*   15-2.2-KIE数据集格式调整方法.mp4

*   15-3.3-配置文件与标签要进行处理操作.mp4

*   15-4.4-边框要计算的特征分析.mp4

*   15-5.5-标签数据处理与关系特征提取.mp4

*   15-6.6-特征合并处理.mp4

*   15-7.7-准备拼接边与点特征.mp4

*   15-8.8-整合得到图模型输入特征.mp4