Чему вы научитесь
- Определять, когда данные являются графом и какую задачу на графе вы решаете.
- Понимать message passing и как из локальных соседей строятся эмбеддинги.
- Различать GCN, GraphSAGE и GAT по интуиции и по сценариям применения.
- Ставить и оценивать задачи node classification, link prediction и graph classification.
- Готовить графовые данные и обучать базовые модели в PyTorch Geometric / DGL.
- Диагностировать типовые проблемы GNN: oversmoothing, утечки, дисбаланс, переобучение.
- Понимать ограничения и масштабирование: sampling, mini-batch, распределённое обучение и latency inference.
О курсе
Этот курс — практическое введение в Graph Neural Networks (GNN): как работать с данными, у которых естественная форма — граф.
Мы будем меньше заниматься “чистой” математикой и больше — тем, как понять интуицию и применить GNN в реальных сценариях:
рекомендации, граф транзакций, социальные сети, молекулы, knowledge graphs.
После курса вы сможете выбрать подходящую архитектуру (GCN / GraphSAGE / GAT), поставить задачу (node classification / link prediction / graph classification),
собрать датасет в удобном виде и запустить обучение/оценку модели в PyTorch Geometric или DGL.
Для кого этот курс
Data Scientists, ML-инженеры, исследователи и backend-разработчики (рекомендательные системы), которые хотят научиться применять GNN в реальных задачах.
Начальные требования
Понимание базовых ML-метрик, опыт с нейросетями и уверенные основы PyTorch или TensorFlow. Умение читать Python-код и запускать ноутбуки.
Наши преподаватели
Как проходит обучение
Каждый модуль: мотивация → ключевая идея → пример реальной задачи → практическая приземлённость → квиз для самопроверки.
Программа курса
загружаем...
Что вы получаете
- Чек‑лист: как распознать графовую задачу и выбрать постановку (node/link/graph).
- Шаблон пайплайна: данные → Data/Batch → train loop → метрики (PyTorch-style).
- Справочник: что выбрать (GCN vs GraphSAGE vs GAT) и какие риски учесть.
- Набор типовых метрик и ловушек для link prediction и node classification.
Сколько стоит обучение
Price:
290 ₽
Вы попробовали и поняли, что вам сейчас не подходит этот курс? Ничего страшного, мы вернём вам деньги в течение 30-ти дней после покупки.