Ebook Graph Machine Learning - Tìm Hiểu Về Những Tiến Bộ Mới Nhất Trong Graph Data Để Xây Dựng Các Mô Hình Machine Learning Mạnh Mẽ [Ấn Bản Lần 2, Tháng 7/2025] [PDF, EPUB] [9322E]
Nâng cao kỹ năng data science của bạn với phiên bản cập nhật này có các chương mới về LLM, temporal graphs và các ví dụ được cập nhật với các framework hiện đại, bao gồm PyTorch Geometric và DGL.
1. Các tính năng chính:
- ✓ Làm chủ các kỹ thuật graph ML mới thông qua các ví dụ được cập nhật bằng PyTorch Geometric và Deep Graph Library (DGL).
- ✓ Khám phá các GML framework và các đặc điểm chính của chúng.
- ✓ Tận dụng các LLM cho machine learning trên đồ thị và tìm hiểu về temporal learning.
2. Mô tả sách:
Graph Machine Learning, Phiên Bản Thứ Hai, được xây dựng dựa trên thành công của phiên bản trước, cung cấp các công cụ và kỹ thuật mới nhất cho lĩnh vực đang phát triển nhanh chóng này. Từ lý thuyết đồ thị cơ bản đến các mô hình ML nâng cao, bạn sẽ học cách biểu diễn dữ liệu dưới dạng đồ thị để khám phá các hidden pattern và relationship, với việc triển khai thực tế được nhấn mạnh thông qua các ví dụ code được làm mới. Phiên bản được cập nhật toàn diện này thay thế các ví dụ lỗi thời bằng các giải pháp thay thế hiện đại như PyTorch và DGL, có sẵn trên GitHub để hỗ trợ nâng cao việc học.
Cuốn sách cũng giới thiệu các chương mới về large language models và temporal graph learning, cùng với những hiểu biết sâu sắc hơn về các graph ML framework hiện đại. Thay vì chỉ là hướng dẫn từng bước, cuốn sách tập trung trang bị cho bạn những phương pháp giải quyết vấn đề nền tảng, vẫn có giá trị ngay cả khi các công nghệ cụ thể phát triển. Bạn sẽ có một framework rõ ràng để đánh giá và lựa chọn các công cụ phù hợp.
Khi đọc xong cuốn sách này, bạn sẽ có được hiểu biết vững chắc về lý thuyết graph machine learning cũng như các kỹ năng để áp dụng lý thuyết này vào những thách thức trong thế giới thực.
3. Bạn sẽ học được gì:
- ✓ Triển khai các thuật toán graph ML với các ví dụ trong StellarGraph, PyTorch Geometric và DGL.
- ✓ Áp dụng graph analysis vào các tập dữ liệu động bằng cách sử dụng temporal graph ML.
- ✓ Nâng cao NLP và text analytics với các kỹ thuật dựa trên graph.
- ✓ Giải quyết các vấn đề thực tế phức tạp với graph machine learning.
- ✓ Build và scale các ứng dụng ML hỗ trợ graph một cách hiệu quả.
- ✓ Deploy và scale ứng dụng của bạn một cách liền mạch.
4. Cuốn sách này dành cho ai:
Cuốn sách này dành cho các nhà khoa học dữ liệu, chuyên gia ML và chuyên gia đồ thị muốn đào sâu kiến thức về graph data analysis hoặc mở rộng machine learning toolkit của họ. Khuyến khích người đọc có kiến thức nền tảng về Python và các nguyên lý machine learning cơ bản.
5. Mục lục:
- ✓ Phần I: Giới thiệu về Graph Machine Learning:
- ✓ Chương 01. Bắt đầu với Graphs.
- ✓ Chương 02. Graph Machine Learning.
- ✓ Chương 03. Neural Networks & Graphs.
- ✓ Phần II: Machine Learning trên Graphs:
- ✓ Chương 04. Unsupervised Graph Learning.
- ✓ Chương 05. Supervised Graph Learning.
- ✓ Chương 06. Giải quyết các vấn đề phổ biến của Machine ✓ Learning dựa trên Graph.
- ✓ Phần III: Ứng dụng thực tế của Graph Machine Learning:
- ✓ Chương 07. Social Network Graphs.
- ✓ Chương 08. Text Analytics & Natural Language Processing sử dụng Graphs.
- ✓ Chương 09. Graph Analysis cho Credit Card Transaction.
- ✓ Chương 10. Xây dựng một Data-Driven Graph-Powered Application.
- ✓ Phần IV: Các chủ đề nâng cao trong Graph Machine Learning:
- ✓ Chương 11. Temporal Graph Machine Learning.
- ✓ Chương 12. GraphML & LLM.
- ✓ Chương 13. Xu hướng mới trên Graphs.