Παρουσίαση/Προβολή

(DIT263) -  Δημήτριος Μιχαήλ

Περιγραφή Μαθήματος

Στόχος του μαθήματος είναι να εξοικειωθούν οι φοιτητές με τις βασικές έννοιες και τεχνικές ανάλυσης γραφημάτων και δικτύων, ώστε να μπορούν να μοντελοποιούν, να αναλύουν και να εξάγουν χρήσιμη πληροφορία από πραγματικά δίκτυα (κοινωνικά, βιολογικά, τεχνολογικά κ.ά.), καθώς και να κατανοήσουν σύγχρονες τεχνικές μηχανικής μάθησης σε γραφήματα. Τα βασικά θέματα που πραγματεύεται το μάθημα είναι: βασικές έννοιες θεωρίας γραφημάτων και παραδείγματα εφαρμογών, μετρικές κεντρικότητας (βαθμού, ιδιοδιανύσματος, Katz, εγγύτητας, ενδιαμεσότητας), αλγόριθμοι Link Analysis (PageRank, HITS), μεταβατικότητα, ομοιότητα και ομοιοφιλία κόμβων, εύρεση κοινοτήτων, μοντέλα τυχαίων γραφημάτων και ιδιότητες πραγματικών δικτύων (μικρού-κόσμου, power-law/scale-free, Barabási–Albert, R-MAT), αναπαραστάσεις γραφημάτων μέσω node embeddings (π.χ. DeepWalk, Node2Vec) και γραφο-συνελικτικά νευρωνικά δίκτυα (GNNs), πρόβλεψη συνδέσμων (link prediction), καθώς και βασικές αρχές γραφημάτων γνώσης (knowledge graphs) και βάσεων γραφημάτων. Στα εργαστήρια οι φοιτητές εξασκούνται στην υλοποίηση και εφαρμογή των παραπάνω τεχνικών με χρήση Python και σχετικών βιβλιοθηκών (NetworkX, PyTorch, DGL).

Ημερομηνία δημιουργίας

Friday, September 30, 2022