Странице предмета

Упознавање са структуром графова. Особине мрежа и насумичних граф модела (Random Graph Models). Структуралне улоге у мрежама. Структуре заједница у мрежама. Спектрално кластеровање. Преношење порука и класификација чворова. Учење представљања графова (Graph Representation Learning). Графовске неуронске мреже (Graph Neural Networks). Дубоки генеративни модели за графове (Deep Generative Models for Graphs). Анализа веза помоћу PageRank алгоритма. Максимизација утицаја у мрежама. Детекција наглих промена у мрежема (Outbreak Detection in Networks). Еволуција мрежа. Графови знања (Knowledge Graphs). Рачунарске и лабораторијске вежбе које прате овај курс су осмишљене на такав начин да кроз практичан рад са постојећим софтверским алатима за тренинг стандардних предиктивних модела машинког и дубоког учења (Scikit-Learn, Keras/TensorFlow ), практично примене теоријске концепте који ће бити обрађивани на предавањима. Неизоставни део предмета је самостални студентски пројекат, где је идеја да студент самостално одабере проблем који се може моделовати путем графа и решити применом одговарајућих техника машинског учења са графовима. Студент потом темељно истражује литературу на дату тему како би утврдио предности и недостатке до тада предложених решења и на основу тога, кроз консултације са предавачима, конципирао предлог пројекта. По завршетку пројекта, студент презентује своје истраживање у оквиру извештаја