반응형
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 |
반응형