کتاب Graph Neural Networks in Action

کتاب Graph Neural Networks in Action (شبکه‌های عصبی گراف در عمل) به بررسی و آموزش شبکه‌های عصبی گراف (GNNs) می‌پردازد و به خوانندگان این امکان را می‌دهد که به طور سریع و مؤثر وارد این حوزه‌ی نوآورانه شده و برنامه‌های کاربردی بسازند.

این کتاب با ارائه یک انگیزه برای کاوش در GNNها و توضیح مفاهیم پایه‌ای گراف‌ها و یادگیری ماشین مبتنی بر گراف آغاز می‌شود و سپس به معرفی انواع مختلف GNNها، شامل شبکه‌های کانولوشنی گراف، شبکه‌های توجه گراف و خودرمزگذارها می‌پردازد. در بخش‌های بعدی، موضوعات پیشرفته‌تری مانند GNNهای پویا و روش‌های آموزش در مقیاس بزرگ را بررسی می‌کند.

در ادامه مقدمه‌ای از کتاب Graph Neural Networks in Action را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Graph Neural Networks in Action:

سفر من به دنیای گراف‌ها به طور غیرمنتظره‌ای آغاز شد، در طول یک مصاحبه در LinkedIn. همان‌طور که جلسه به پایان می‌رسید، یک نمودار از شبکه‌ام به من نشان داده شد—ساختاری مسحورکننده که بدون گفتن حتی یک کلمه داستان‌هایی را روایت می‌کرد.

سازمان‌هایی که در آن‌ها حضور داشتم به صورت خوشه‌هایی مانند صورت‌های فلکی در برابر یک بوم تاریک ظاهر شده بودند. چیزی که بیشتر مرا شگفت‌زده کرد این بود که این ساختار با استفاده از متادیتایی که LinkedIn درباره ارتباطات من داشت ساخته نشده بود؛ بلکه به طور ارگانیک از روابط بین گره‌ها و یال‌ها شکل گرفته بود.

سال‌ها بعد، با انگیزه‌ی کنجکاوی، آن نمودار را دوباره ساختم. یک بار دیگر شگفت‌زده شدم از اینکه چگونه ارتباطات زیربنایی به تنهایی می‌توانند تصویری پیچیده از زندگی حرفه‌ای من را ترسیم کنند. این موضوع عمیق‌تر باعث شد تا قدرتی که در گراف‌ها نهفته است را بیشتر درک کنم—شور و شوقی که تنها زمانی بیشتر شد که به Cloudera پیوستم و با شبکه‌های عصبی گراف (GNNs) آشنا شدم.

پتانسیل آن‌ها برای حل مشکلات پیچیده جذاب بود، اما غوطه‌ور شدن در آن‌ها مانند تلاش برای حرکت در یک جنگل ناشناخته بدون نقشه بود. هیچ منبع جامعی برای غیردانشگاهی‌ها وجود نداشت؛ پیشرفت کند بود و اغلب از تکه‌های پراکنده و آزمون و خطا ساخته می‌شد.

کتاب Graph Neural Networks in Action راهنمایی است که آرزو داشتم در آن روزهای اولیه در اختیار داشتم. هدف آن ارائه یک مسیر واضح و قابل دسترس برای متخصصان، علاقه‌مندان و هر کسی است که می‌خواهد بدون غرق شدن در مقالات آکادمیک بی‌پایان یا جست‌وجوهای آنلاین پراکنده، GNNها را درک کرده و به کار ببرد. امیدوارم که کتاب Graph Neural Networks in Action به عنوان یک منبع جامع برای یادگیری مبانی اولیه عمل کند و راه را برای کاوش‌های عمیق‌تر هموار کند.

چه به دلیل نیاز حرفه‌ای، کنجکاوی محض یا همان نوع شگفتی که برای اولین بار مرا جذب کرد اینجا هستید، شما را دعوت می‌کنم تا در این سفر همراه من شوید. بیایید با هم پتانسیل GNNها را به واقعیت تبدیل کنیم.

درباره کتاب Graph Neural Networks in Action
“شبکه‌های عصبی گراف در عمل” کتابی است که برای این طراحی شده است که افراد بتوانند به سرعت وارد این حوزه جدید شوند و شروع به ساخت برنامه‌های کاربردی کنند. در عین حال، تلاش کرده‌ایم تعادل را رعایت کنیم و به اندازه‌ی کافی تئوری ضروری را در کتاب بگنجانیم تا تا حد امکان به صورت مستقل عمل کند.

همچنین جزئیات پیاده‌سازی‌هایی که ممکن است واضح نباشند یا در آموزش‌ها و مستندات آنلاین فعلی توضیح داده نشده‌اند را پوشش داده‌ایم. به ویژه، اطلاعات درباره موضوعات جدید و نوظهور به احتمال زیاد پراکنده هستند. این پراکندگی باعث ایجاد اصطکاک هنگام پیاده‌سازی و آزمایش فناوری‌های جدید می‌شود.

با شبکه‌های عصبی گراف در عمل، کتابی ارائه می‌دهیم که می‌تواند این اصطکاک را کاهش دهد و با پر کردن شکاف‌ها و پاسخ به سوالات کلیدی که پاسخ‌های آن‌ها احتمالاً در اینترنت پراکنده‌اند یا اصلاً پوشش داده نشده‌اند، به شما کمک کند. این کار را به گونه‌ای انجام داده‌ایم که بر روی دسترسی‌پذیری تمرکز دارد تا دقت علمی بالا.

چه کسانی باید کتاب Graph Neural Networks in Action را بخوانند؟
این کتاب برای مهندسان یادگیری ماشین و دانشمندان داده‌ای طراحی شده است که با شبکه‌های عصبی آشنا هستند اما در یادگیری گراف تازه‌کارند. اگر تجربه‌ای در برنامه‌نویسی شی‌گرا دارید، مفاهیم این کتاب به ویژه برای شما قابل دسترس و کاربردی خواهند بود.

ساختار کتاب Graph Neural Networks in Action: نقشه راه
در بخش اول این کتاب، انگیزه‌ای برای کاوش در شبکه‌های عصبی گراف (GNNs) ارائه می‌دهیم و همچنین مفاهیم پایه‌ای گراف‌ها و یادگیری ماشین مبتنی بر گراف را پوشش می‌دهیم. در فصل ۱، مفاهیم گراف‌ها و یادگیری ماشین گراف‌محور را معرفی می‌کنیم و دستورالعمل‌هایی برای استفاده و کاربردهای آن‌ها ارائه می‌دهیم.

فصل ۲ کتاب Graph Neural Networks in Action به بررسی نمایش‌های گراف از جمله جاسازی‌های گره‌ها (node embeddings) می‌پردازد. این اولین مواجهه برنامه‌نویسی با شبکه‌های عصبی گراف (GNNs) خواهد بود که برای ایجاد چنین جاسازی‌هایی استفاده می‌شوند.

در بخش دوم کتاب Graph Neural Networks in Action، که هسته اصلی کتاب است، انواع اصلی شبکه‌های عصبی گراف را معرفی می‌کنیم. این شامل شبکه‌های کانولوشنی گراف (GCNs) و GraphSAGE در فصل ۳، شبکه‌های توجه گراف (GATs) در فصل ۴، و خودرمزگذارهای گراف (GAEs) در فصل ۵ می‌شود. این روش‌ها اساس بیشتر کاربردهای GNNها هستند و همچنین مفاهیم دیگری از یادگیری عمیق مانند کانولوشن، توجه (attention) و خودرمزگذارها (autoencoders) را پوشش می‌دهند.

در بخش سوم کتاب Graph Neural Networks in Action، به موضوعات پیشرفته‌تر می‌پردازیم. در فصل ۶، شبکه‌های عصبی گراف برای گراف‌های پویا (شبکه‌های عصبی گراف مکانی-زمانی) را توصیف می‌کنیم و در فصل ۷ روش‌هایی برای آموزش GNNها در مقیاس بزرگ ارائه می‌دهیم. در نهایت، در فصل ۸ با برخی ملاحظات برای برنامه‌ریزی پروژه و سیستم در پروژه‌های یادگیری گراف به پایان می‌رسیم.

سرفصل‌های کتاب Graph Neural Networks in Action:

• Graph Neural Networks in Action
• brief contents
• contents
• foreword
• preface
• acknowledgments
• about this book
• Who should read this book
• How this book is organized: A road map
• About the code
• liveBook discussion forum
• about the authors
• about the cover illustration
• Part 1 First steps
  • 1 Discovering graph neural networks
  • 2 Graph embeddings
• Part 2 Graph neural networks
  • 3 Graph convolutional networks and GraphSAGE
  • 4 Graph attention networks
  • 5 Graph autoencoders
• Part 3 Advanced topics
  • 6 Dynamic graphs: Spatiotemporal GNNs
  • 7 Learning and inference at scale
  • 8 Considerations for GNN projects
• appendix A-Discovering graphs
• appendix B-Installing and configuring PyTorch Geometric
• further reading
• references

index

جهت دانلود کتاب Graph Neural Networks in Action می‌توانید پس از پرداخت، دریافت کنید.