Глубинное обучение в анализе графовых данных 22/23: различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к навигации Перейти к поиску
добавлено содержание
новая лекция
Строка 17: Строка 17:


'''Лекция 2 (15.09.22): ''' Создание признаков для вершин/связей/графовых для применения традиционных методов машинного обучения.
'''Лекция 2 (15.09.22): ''' Создание признаков для вершин/связей/графовых для применения традиционных методов машинного обучения.
'''Лекция 3 (22.09.22): ''' Обсуждение эмбеддингов для вершин графа. Эмбеддинги в случае графов знаний. Эмбеддинги для графов целиком.


== Семинары ==
== Семинары ==

Версия от 03:19, 3 октября 2022

О курсе

Курс читается для студентов 4-го курса в 1-2 модулях.

Лектор — Валитов Эльдар Рафекович

Семинарист — Федоров Павел Сергеевич

Канал курса в Telegram - https://t.me/hse_gnn_2022

Чат курса в Telegram - https://t.me/hse_gnn_2022_chat

Лекции

Проходят по четвергам в 14:40

Лекция 1 (08.09.22): Графы и анализ данных. Примеры графовых данных. Типы задач на графах. Выбор представления данных.

Лекция 2 (15.09.22): Создание признаков для вершин/связей/графовых для применения традиционных методов машинного обучения.

Лекция 3 (22.09.22): Обсуждение эмбеддингов для вершин графа. Эмбеддинги в случае графов знаний. Эмбеддинги для графов целиком.

Семинары

Проходят по четвергам в 16:20.

Контрольные мероприятия

Правила выставления оценок

Итоговая оценка вычисляется по формуле

ОИтог = Округление(0.7 * ДЗ + 0.3 * Э),

где ДЗ = ((количество баллов за все ДЗ) / 70) * 10, Э - оценка за экзамен

Округление арифметическое.

На курсе предусмотрены автоматы - если студент сдал все дз и если студент набирает больше 45 баллов (то есть больше 6.5 оценка за ДЗ) то он освобождается от экзамена с ОИтог = Округление(ДЗ).