|
|
|
 그래프 머신러닝머신러닝 알고리듬을 적용해 그래프 데이터 활용하기
정가 : 35,000원판매가 31,500원 (10% 할인)
품목정보
책소개파이썬으로 그래프 데이터를 다루기 위한 패키지인 NetworkX는 손쉽게 그래프를 생성, 조작, 분석하기 위한 매우 유용한 도구이다. NetworkX로 그래프 데이터를 이해하기 위한 기본적인 방법과 더불어 node2vec, edge2vec과 같은 다양한 머신러닝 알고리듬을 이용해 그래프 데이터를 활용하는 방법을 실생활에 적용가능한 예시와 함께 소개한다. 목차1부 그래프 머신러닝 소개 1장. 그래프 시작하기 __기술적 필요 사항 __networkx로 그래프 이해하기 ____그래프의 종류 ____그래프 표현 __그래프 플로팅 ____networkx ____Gephi __그래프 속성 ____통합 측정 지표 ____분리 측정 지표 ____중심성 측정 지표 ____탄력성 측정 지표 __벤치마크 및 저장소 ____간단한 그래프의 예 ____그래프 생성 모델 ____벤치마크 __큰 그래프 다루기 __요약 2장. 그래프 머신러닝 __기술적 필요 사항 __그래프 머신러닝 이해하기 ____머신러닝의 기본 원리 ____그래프 머신러닝의 이점 __일반화된 그래프 임베딩 문제 __그래프 임베딩 머신러닝 알고리듬의 분류 ____임베딩 알고리듬의 분류 __요약 2부. 그래프에서의 머신러닝 3장. 비지도 그래프 학습 __기술적 필요 사항 __비지도 그래프 임베딩 로드맵 __얕은 임베딩 방법 ____행렬 분해 ____그래프 분해 ____고차 근접 보존 임베딩 ____전역 구조 정보를 통한 그래프 표현 ____skip-gram ____DeepWalk ____Node2Vec ____Edge2Vec ____Graph2Vec __오토인코더 ____텐서플로와 케라스-강력한 조합 ____첫 번째 오토인코더 ____노이즈 제거 오토인코더 ____그래프 오토인코더 __그래프 신경망 ____GNN의 변형 ____스펙트럼 그래프 합성곱 ____공간 그래프 합성곱 ____예제로 보는 그래프 합성곱 __요약 4장. 지도 그래프 학습 __기술적 필요 사항 __지도 그래프 임베딩 로드맵 __특징 기반 방법 __얕은 임베딩 방법 ____라벨 전파 알고리듬 ____라벨 확산 알고리듬 __그래프 정규화 방법 ____매니폴드 정규화 및 준지도 임베딩 ____신경 그래프 학습 ____Planetoid __Graph CNN ____GCN을 이용한 그래프 분류 ____GraphSAGE를 이용한 노드 분류 __요약 5장. 그래프에서의 머신러닝 문제 __기술적 필요 사항 __그래프에서 누락된 링크 예측 ____유사성 기반 방법 ____임베딩 기반 방법 __커뮤니티와 같은 의미 있는 구조 감지 ____임베딩 기반 커뮤니티 감지 ____스펙트럼 방법 및 행렬 분해 ____확률 모델 ____비용 함수 최소화 __그래프 유사성 및 그래프 매칭 감지 ____그래프 임베딩 기반 방법 ____그래프 커널 기반 방법 ____GNN 기반 방법 ____응용 __요약 3부. 그래프 머신러닝의 고급 응용 6장. 소셜 네트워크 그래프 __기술적 필요 사항 __데이터셋 개요 ____데이터셋 다운로드 ____networkx로 데이터셋 불러오기 __네트워크 토폴로지 및 커뮤니티 감지 ____토폴로지 개요 ____노드 중심성 ____커뮤니티 감지 __지도 및 비지도 임베딩 ____작업 준비 ____node2vec 기반 링크 예측 ____GraphSAGE 기반 링크 예측 ____링크 예측을 위한 수작업 특징 ____결과 요약 __요약 7장. 그래프를 이용한 텍스트 분석 및 자연어 처리 __기술적 필요 사항 __데이터셋 개요 __자연어 처리에서 사용되는 주요 개념 및 도구 이해 __문서 모음에서 그래프 만들기 ____지식 그래프 ____이분 문서/개체 그래프 __문서 주제 분류기 구축 ____얕은 학습 방법 ____그래프 신경망 __요약 8장. 신용카드 거래에 대한 그래프 분석 __기술적 필요 사항 __데이터셋 개요 ____데이터셋 불러오기 및 networkx 그래프 구축 __네트워크 토폴로지 및 커뮤니티 감지 ____네트워크 토폴로지 ____커뮤니티 감지 __사기 탐지를 위한 지도 및 비지도 임베딩 ____사기 거래 식별에 대한 지도 학습 접근 방식 ____사기 거래 식별에 대한 비지도 학습 접근 방식 __요약 9장. 데이터 드리븐 그래프 기반 응용 프로그램 구축 __기술적 필요 사항 __람다 아키텍처 개요 __그래프 기반 응용 프로그램을 위한 람다 아키텍처 ____그래프 처리 엔진 ____그래프 쿼리 레이어 ____Neo4j와 GraphX 선택 __요약 10장. 그래프의 새로운 트렌드 __그래프의 데이터 증대에 대해 알아보기 ____샘플링 전략 ____데이터 증강 기술 살펴보기 __토폴로지 데이터 분석에 대해 배우기 ____토폴로지 머신러닝 __새로운 영역에 그래프 이론 적용하기 ____그래프 머신러닝 및 신경 과학 ____그래프 이론 및 화학 및 생물학 ____그래프 머신러닝 및 컴퓨터 비전 __추천 시스템 __요약
|
| 도서명 | 상품상세참조 |
|---|---|
| 저자, 출판사 | 상품상세참조 |
| 크기 | 상품상세참조 |
| 쪽수 | 상품상세참조 |
| 제품구성 | 상품상세참조 |
| 발행일 | 상품상세참조 |
| 목차 또는 책소개 | 상품상세참조 |
| ISBN | 9791161757209 |
(개) 
 |
||||||||
|
||||||||
|
||||||||
|
||||||||
