[그래프 신경망] 그래프 신경망 커리큘럼

그래프 신경망 (GNNs) 기초 강의 계획안

강의 목표

• 그래프 신경망의 기본 개념과 원리 이해
• 주요 그래프 신경망 모델 학습
• 그래프 신경망의 실제 응용 분야 탐구
• Python과 PyTorch를 활용한 그래프 신경망 구현 및 실습

강의 기간: 12주 (주 1회, 회당 2시간)

 

강의 일정 및 내용

주차주제내용실습/과제

1주차	그래프 신경망 개요	GNN의 개념, 역사, 응용 분야	GNN 개념 요약
2주차	그래프 데이터 구조	그래프의 표현, 인접 행렬, 인접 리스트	그래프 데이터 구조 실습
3주차	그래프 신경망 기본 모델	GCN, GraphSAGE 등 기본 모델 학습	GCN 구현 실습
4주차	그래프 신경망의 수학적 배경	그래프 이론, 행렬 연산, 스펙트럴 그래프 이론	수학적 배경 이해
5주차	메시지 패싱 신경망	Message Passing Neural Network (MPNN) 개념 및 구현	MPNN 구현 실습
6주차	GNN을 위한 데이터 전처리	노드 특성, 엣지 특성, 그래프 정규화	데이터 전처리 실습
7주차	고급 GNN 모델 1	Graph Attention Networks (GAT)	GAT 구현 실습
8주차	고급 GNN 모델 2	Graph Isomorphism Networks (GIN)	GIN 구현 실습
9주차	GNN 응용 1	분자 그래프, 소셜 네트워크 분석	응용 사례 분석
10주차	GNN 응용 2	추천 시스템, 지식 그래프	응용 사례 분석
11주차	GNN 실습 프로젝트 1	프로젝트 소개 및 데이터 준비	프로젝트 데이터 전처리
12주차	GNN 실습 프로젝트 2	프로젝트 발표 및 피드백	프로젝트 발표