Pentru mai multe informații despre programele profesionale și postuniversitare de inteligență artificială de la Stanford, vizitați: https://stanford.io/2XQKRsU
Jure Leskovec
Informatica, PhD
Învățarea automată a graficelor poate fi aplicată în multe scenarii, inclusiv în sarcinile de clasificare a nodurilor, predicție a legăturilor, clasificare a graficelor etc. Învățarea automată la diferite niveluri de grafice demonstrează de obicei o capacitate puternică în multe sarcini specifice în diferite domenii, de la plierea proteinelor, a medicamentelor descoperire, la sistemul de recomandare, predicție de trafic, printre diverse alte sarcini.
Pentru a urma programul cursului și programa, vizitați:
http://web.stanford.edu/class/cs224w/
Cursuri interesante:
- Stanford CS224W: Învățare automată cu grafice | 2021 | Cursul 1.3 – Alegerea reprezentării grafice
- Stanford CS224W: Învățare automată cu grafice | 2021 | Curs 11.1 – Raționament în Knowledge Graphs
- Stanford CS234: Învățare prin consolidare | Iarna 2019 | Curs 4 – Model Free Control
- Stanford CS224W: Învățare automată cu grafice | 2021 | Cursul 8.2 – Antrenarea rețelelor neuronale grafice
- Stanford CS224W: ML cu grafice | 2021 | Cursul 2.1 – Metode tradiționale bazate pe caracteristici: Nod
- Stanford CS229: Învățare automată | Vara 2019 | Cursul 7 – GDA, Naive Bayes & Laplace Smoothing
- Seminar web Stanford cu Dan Boneh – Hacking AI: Securitatea și confidențialitatea modelelor de învățare automată
- Stanford CS224W: ML cu grafice | 2021 | Cursul 6.1 – Introducere în rețelele neuronale grafice
- Stanford CS229: Învățare automată | Vara 2019 | Cursul 3 – Probabilitate și Statistică
- Stanford CS330: Multi-Task și Meta-Learning, 2019 | Cursul 4 – Meta-Învățători non-parametrici