mislo

Fakulteta za računalništvo in informatiko · Univerza v Ljubljani

Strojno učenje z grafi

Za Strojno učenje z grafi še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za Strojno učenje z grafi: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za računalništvo in informatiko. Prebrano 7. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja45 ur
  • Vaje30 ur
  • Samostojno delo105 ur

Vsebina

  1. Učne naloge na grafih
  2. Osnove globokega učenja na grafih
  3. Naloge na ravni vozlišč, povezav in (pod)grafov
  4. Transduktivne in induktivne učne naloge
  5. Primeri in aplikacije iz resničnega sveta
  6. Napovedovanje na grafih brez učenja
  7. Razvrščanje vozlišč glede na središčnost
  8. Gručenje vozlišč z odkrivanjem skupnosti
  9. Napovedovanje povezav z indeksi podobnosti
  10. Podobnost grafov s pomočjo jedrnih funkcij
  11. Grafovsko predstavitveno učenje
  12. »Plitek« kodirnik in dekodirnik
  13. Metode matrične faktorizacije
  14. Vložitve vozlišč z naključnimi sprehodi
  15. DeepWalk, LINE, node2vec itd.
  16. Grafovske nevronske mreže (GNN)
  17. Osnovna arhitektura (sporočila, agregacija, plasti)
  18. Permutacijska invariantnost in ekvivariantnost
  19. Problema prekomernega glajenja in stiskanja
  20. GCN, GraphSAGE, GAT, GIN itd.
  21. Učenje GNN v praksi
  22. Delitev grafa (učna, validacijska in testna množica)
  23. Prostor GNN in augmentacija grafov
  24. Funkcije izgube, učenje, napovedovanje in vrednotenje
  25. Teorija GNN in omejitve
  26. Weisfeiler–Lemanovo grafovsko jedro
  27. Arhitekture na osnovi strukture in položaja
  28. Uvod v grafovske transformatorje
  29. Posebni grafi in aplikacije
  30. Heterogeni grafi (RGCN, HGT itd.)
  31. Priporočilni sistemi (NGCF, LightGCN itd.)
  32. Grafi znanj (TransE, RotatE itd.)
  33. Izbrane druge aplikacije
  34. Relacijsko globoko učenje

Ocenjevanje

Sprotno preverjanje (domače naloge, projekt) 66.67 %, Končno preverjanje (pisni ali ustni izpit) 33.33 %

Literatura

  • Hamilton, L., Graph representation learning. Synthesis Lectures on Artificial Intelligence and Machine Learning 14(3), 1-159 (2020).
  • Easley, D. & Kleinberg, J., Networks, Crowds, and Markets (Cambridge University Press, 2010).
  • Newman, M.E.J., Networks: An Introduction (Oxford University Press, 2018).
  • Vsebine bodo podprte z zadnjimi relevantnimi članki./Content will be backed with recent relevant papers.

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.