Графовое машинное обучение и графовые нейронные сети (GNN) вызывают огромный интерес как в научных кругах, так и в промышленности. (Первая конференция, посвященная машинному обучению на основе графов, состоится позже в этом году.) Тем не менее, вы обнаружите, что графы появляются в других уголках более широкого мира науки о данных и машинного обучения; Независимо от вашей специальности, полезно расширить свои знания об этой основополагающей концепции. Мы здесь, чтобы помочь: вот три выдающиеся статьи, которые наглядно и доступно демонстрируют силу графиков.
- Как графовое моделирование повлияет на будущее обучения без учителя. Исходная предпосылка статьи Кристианы де Азеведо фон Стош и Абхишека Сингха заключается в том, что важность определения признаков по-прежнему остается фундаментальной проблемой машинного обучения. Далее исследуется, как фреймворки графового моделирования могут помочь нам решить эту проблему в контексте приложений для неконтролируемого обучения.
- Об ориентированных ациклических графах (DAG) и почему они важны. Кому не нравится подробный, хорошо иллюстрированный объяснитель? Дебютный пост TDS от Маттео Кортхуда знакомит нас с потенциальным использованием DAG и показывает, как они обеспечивают наглядное представление о переменных, которые нам нужно включить в причинно-следственный анализ (а также о тех, с которыми нам лучше работать). опуская).
- Новая архитектура для проектирования мощных GNN. Последний пост Максима Лабонна — это одновременно терпеливое прохождение недавней статьи о сетях изоморфизма графов (GIN) и практическое руководство с полной реализацией задачи классификации графов. Вы покинете его с более четким пониманием процесса выбора правильной архитектуры GNN.
На прошлой неделе мы опубликовали несколько фантастических статей по другим темам, как от новых, так и от известных авторов; наша команда также поделилась несколькими оригинальными функциями, которые, как мы думаем, вам могут понравиться. Попробуйте это, когда у вас будет время на этих выходных:
- Как наука о данных влияет на работу психолога-консультанта по вопросам управления? Прочтите наши вопросы и ответы с Ханной Рус, чтобы узнать.
- В увлекательной новой серии статей Энг Ли-Лиан и соавторы Ибукун Арибилола и Валдрин Йонузиисследуют проблемы измерения межпоколенческой мобильности в США Начните с части 1. вне долей этой сложной темы.
- Agile-практики распространены среди разработчиков программного обеспечения. Дженни Абрамов представляет систему, позволяющую специалистам по искусственному интеллекту адаптировать Agile к конкретным потребностям своих проектов.
- Как мы можем продвигать ответственное использование ИИ на уровне общества? В своем первом сообщении о TDS Майя Мурад исследует потенциальные рамки и проблемы регулирования.
- Если вы в настроении поработать, не пропустите отличный новый учебник Флорана Поукса, доктора философии, в котором вы узнаете, как создавать наборы данных 3D-семантической сегментации.
- Кэсси Козырков продолжила серию статей о качествах, которые делают великих аналитиков данных, и поделилась новым постом, который сочетает развитие карьеры с щедрой дозой вдохновения.
- Наконец, мы отпраздновали приход мая выпуском нашего последнего месячного выпуска, в котором представлены советы и стратегии по созданию отличной информационной панели.
Спасибо, что читаете, делитесь и участвуете в работе, которую мы публикуем. Если вы хотите изучить другой способ выразить свою поддержку, подумайте о том, чтобы стать участником Medium.
До следующей переменной,
Редакторы TDS