خرید و دانلود نسخه کامل کتاب Hands-On Graph Neural Networks Using Python: Practical techniques and architectures
قیمت اصلی 56,500 تومان بود.39,000 تومانقیمت فعلی 39,000 تومان است.
تعداد فروش: 50
| عنوان فارسی |
شبکه‌های عصبی گراف دستی با استفاده از پایتون: تکنیک‌ها و معماری‌های عملی |
|---|---|
| عنوان اصلی | Hands-On Graph Neural Networks Using Python: Practical techniques and architectures |
| ویرایش | 1 |
| ناشر | Packt |
| نویسنده | Maxime Labonne |
| ISBN | 9781804617526 |
| سال نشر | 2023 |
| زبان | English |
| تعداد صفحات | 397 |
| دسته | الگوریتم ها و ساختارهای داده ها: شناخت الگو |
| فرمت کتاب | pdf – قابل تبدیل به سایر فرمت ها |
| حجم فایل | 17.9 مگابایت |
آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.
توضیحات فارسی
کتاب “شبکه‌های عصبی گرافی به زبان پایتون: تکنیک‌ها و معماری‌های عملی” نوشته ماکسیم لابون، یک راهنمای جامع و کاربردی برای یادگیری و پیاده‌سازی شبکه‌های عصبی گرافی (GNNs) است. این کتاب به شما کمک می‌کند تا با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه‌های محبوبی مانند PyTorch Geometric و DGL، مدل‌های پیشرفته GNN را توسعه دهید.
نویسنده با ارائه مثال‌های عملی و پروژه‌های واقعی، مفاهیم اساسی و تکنیک‌های پیشرفته در زمینه GNNها را پوشش می‌دهد. از جمله موضوعات کلیدی این کتاب می‌توان به پردازش داده‌های گرافی، معماری‌های مختلف GNN، یادگیری نظارت‌نشده در گراف‌ها و کاربردهای عملی در حوزه‌هایی مانند شبکه‌های اجتماعی، سیستم‌های توصیه‌گر و بیوانفورماتیک اشاره کرد.
این کتاب برای دانشمندان داده، مهندسان یادگیری ماشین و محققان که می‌خواهند دانش خود را در زمینه GNNها گسترش دهند و از این فناوری در پروژه‌های واقعی استفاده کنند، بسیار مفید است. با ترکیب تئوری و کدنویسی عملی، این کتاب شما را از سطح مبتدی به سطح پیشرفته می‌رساند.
English Description
“Hands-On Graph Neural Networks Using Python: Practical techniques and architectures” by Maxime Labonne is a comprehensive and practical guide to learning and implementing Graph Neural Networks (GNNs). The book helps you develop advanced GNN models using Python and popular libraries like PyTorch Geometric and DGL.
Through practical examples and real-world projects, the author covers fundamental concepts and advanced techniques in GNNs. Key topics include graph data processing, various GNN architectures, unsupervised learning on graphs, and practical applications in areas such as social networks, recommendation systems, and bioinformatics.
This book is ideal for data scientists, machine learning engineers, and researchers looking to expand their knowledge of GNNs and apply this technology to real-world projects. By combining theory with hands-on coding, the book takes you from beginner to advanced levels.
With its clear explanations and practical approach, this book is an essential resource for anyone interested in mastering GNNs and leveraging their power in cutting-edge applications.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.