Erica

GraphTravel

그래프 튜토리얼 9화 : Graph RNN

* Graph RNN 이해 * Sequential & Auto Regressive 안녕하세요, GUG 여러분! 그래프 튜토리얼의 가이드 Erica에요 🌏 9번째 여행에서는 GraphRNN 모델을 다룰 거에요. GRU와 LSTM의 아이디어를 Graph에 적용해 만들어진 아키텍처라고 할 수 있죠. 그래프 데이터의 생성, 예측, 분류 등 다양한 작업에 사용될 수 있지만 그 중에서도 특히 Graph Generation Task에 효과적이랍니다! 📢 가독성을 위해

GraphTravel

그래프 튜토리얼 8화 : GraphVAE

1. GAE와 Autoencoder 응용 이해 2. Amazon Purchase 데이터로 Link Prediction 구매 예측 안녕하세요, GUG 여러분! 그래프 튜토리얼의 가이드 Erica에요 🍹 8번째 여행에서는 GAE, VGAE 모델을 다룰 거에요. GAE는 AutoEncoder의 원리를 응용해서 Node와 Edge의 정보를 활용해 그래프의 구조를 학습합니다. 그래프 복원을 통해 누락된 Edge나 미래의 Edge를 예측하는 Link Prediction task에 특히

GraphTravel

그래프 튜토리얼 7화 : GraphSAGE

1. GraphSAGE의 neighbor sampling 2. Inductive Learning 3. Reddit 데이터로 node classification task 수행 안녕하세요, GUG 여러분! 그래프 튜토리얼의 가이드 Erica에요🍏 7번째 여행에서는 GraphSAGE 모델을 다룰 거에요. GraphSAGE는 neighbor sampling 전략을 통해, 학습 중에 본 적 없는 node에 대해서도 추론이 가능한 Inductive Learning 에 특화되어 있답니다. 📢 가독성을 위해 본문에는 코드

GraphTravel

그래프 튜토리얼 6화 : Graph Attention Network (GAT)

1. Graph Attention Network 구현 2. Amazon 상품 카테고리 예측하기 안녕하세요, GUG 여러분! 그래프 튜토리얼의 가이드 Erica에요🥁 6번째 여행에서는 GAT 모델을 다룰 거에요. GAT는 Transformer 모델처럼 Attention Mechanism을 활용하고, 그만큼 뛰어난 유용성과 범용성을 지니고 있답니다. 📢 가독성을 위해 본문에는 코드 전문을 임포트하지 않았어요. 튜토리얼 코드 전체를 한번에 실행해 볼 수 있는

GraphTravel

그래프 튜토리얼 5화 : Graph Convolution Network (GCN)

1. Graph Convolution Network 구현 2. Facebook 데이터셋으로 Link Prediction 좋아요 예측 모델 구현 안녕하세요, GUG 여러분! 그래프 튜토리얼의 가이드 Erica에요🥁 5번째 여행에서는 너무나도 중요하고 유명한 GCN 모델을 다룰 예정입니다. 이 아키텍처를 잘 알아야 하는 이유는, 추후 굉장히 많은 모델에 활용되는 Aggregation 개념이 여기서 처음으로 등장하기 때문이랍니다. 그럼 이제 Graph

GraphTravel

그래프 튜토리얼 4화 : Graph & Node2Vec

GraphTravel

그래프 튜토리얼 3화 : Graph Node Sampling

GraphTravel

그래프 튜토리얼: Graph & Deep Walk

1. Random Walk 2. Node Embedding 3. Deep Walk (Word2Vec - Skip-gram) 4. Node Classification 반가워요, GUG 여러분! 그래프 튜토리얼의 가이드 Erica 입니다✨🚀 우리는 저번 시간에, Graph를 구성하는 개념 요소들을 만나봤어요. 그 과정에서 edge와 node와 연관되어 더욱 다채롭게 그래프를 표현할 수 있게 해주는 특성들을 배웠죠. 어떤 곳들을 여행했었냐면... 어디 보자,

GraphTravel

그래프 튜토리얼 1화 : Main Concept of Graph Neural Network