8강 뒷부분에는 General Tips 와 Practical Demos 라는 페이지가 일부 더 있습니다. 이 중 General Tips 가 생각치도 못했던? 재밌는 부분이 있어서 번역해놓겠습니다. General Tips 1. 데이터 전처리는 중요하다. renormalization tricks을 사용해라 https://discuss.dgl.ai/t/how-to-implement-the-renormalization-trick/86 Variance - scaled initialization : 분산 스케일링을 하는 초기화를 사용해라 Network data를 whitening해라 whitening : data를 uncorrelated 하게 만들어주고 각각의 variance를 1로 만들어주는 작업 ucsd.tis..
업로드가 조금 늦어졌습니다. ㅎㅎ 8강은 성실함의 대명사 이재빈님께서 리뷰하셨습니다. Graph에 Neral Network, GNN을 적용하는 강의 입니다. 크게 Graph에 Deep learning을 적용하는 개요와, Neighborhood aggregation을 배우고 NN을 이용하는 GNN, GCN, GAT 모델들을 알아봅니다. 목차 0. Intro 1. Basics of Deep Learning for Graphs 2. Graph Convolutional Network (GCN) 3. Graph Attention Network (GAT) 4. Application 0. Intro Node Embedding 먼저 7강에서 node embedding에 대해서 배웠습니다. 본래의 network node..
7강은 신민정님께서 리뷰하셨습니다. Graph에 Machine Learning을 이용하기 위한 개념과 방법론이 쏟아져나오는 강의이기 때문에 정신을 바짝 차리고 들어야했습니다. 복습도 굉장히 오랜시간이 걸립니다. 목차 0. Intro 1. Embedding Nodes 2. Random Walk Approaches to Node Embedding - Basic - Node2Vec 3. Translating Embeddings for Modeling Multi-relation Data 4. Embedding Entire Graphs 0. Intro Representation Learning representation learning이란 어떤 task를 수행하기에 적절하게 데이터의 representation을 ..
6강은 갓재빈님께서 리뷰하셨습니다. 6강의 핵심은 node의 label 이 몇 개에만 부여되어있을 때 나머지는 어떻게 label을 부여할까? 입니다. 일종의 semi-supervised learning node classification에 대한 내용을 다뤘습니다. 어떤 네트워크에서 어떤 노드는 진짜이고, 어떤 노드는 사기꾼일 때, 다른 노드들은 무엇일지 분류하는 것도 한 가지 예시로 볼 수 있습니다. 목차 0. Intro 1. Collective Classification 2. Relational Classification 3. Iterative Classification - Web page Classificaion - Application for iterative classification framew..
5강은 정민준님께서 리뷰하셨습니다. 4강에서는 네트워크에서 커뮤니티를 찾는 방법에 대해서 배웠습니다. 5강은 더 나아가서 네트워크 클러스터링에 대한 것입니다. 이를 위해서 선형대수(linear Algebra)개념을 사용해서 그래프를 처리해봅니다. 그리고 네트워크 모티프를 기반으로 클러스터링을 해봅니다. 목차 1. Spectral Clustering Algorithm - Spectral Clustering Algoritm - Spectral Partitioning Algoritm 2. Motif-Based Spectral Clustering 1. Spectral Clustering Algorithm Spectral Clustering Algorithm은 3가지 단계로 이루어져 있습니다. 1) Pre-pro..
(다른 할 일이 많아서 그래프 스터디 정리해놓는 것이 조금 미뤄졌습니다.. ㅎㅎ) 4강은 김태욱님께서 리뷰해주셨습니다. 4강은 네트워크에서 커뮤니티는 어떻게 찾을까?(Community Detection) 에 초점을 맞춘 강의입니다. 3강이 새로운 개념을 마구잡이로 주입하는 내용인 것에 반해, 조금은 더 흥미롭게 술술 읽히는 강의였습니다. 목차 1. Community Structure in Networks 2. Network Communities 3. Louvain Algorithm 4. Detecting Overlapping Communities : BigCLAM 1. Community Structure in Networks 이번 챕터는 서로간에 밀접하게(densely)하게 연결된 노드들을 구분하는 것이..
