Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Update README.md #27

Open
wants to merge 1 commit into
base: master
Choose a base branch
from
Open
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
15 changes: 7 additions & 8 deletions README.md
Original file line number Diff line number Diff line change
Expand Up @@ -95,13 +95,12 @@

## 基本信息
- 贡献人员:陈荣钦、周郴莲、刘洋、戴治旭
- 学习周期:22天
- 学习周期:27天
- 学习形式:理论+实践
- 人群定位:有机器学习、Python语言编程基础,对图神经网络有需求的学员
- 人群定位:具有深度学习知识基础,具备使用PyTroch实现神经网络的能力,并希望学习图神经网络应用的学员
- 难度系数:难



## 任务安排


Expand All @@ -122,27 +121,27 @@
- PyG中的消息传递(`MessagePassing`)基类的属性、方法和运行流程;
- 如何自定义一个消息传递图神经网络。(见第4节)

### Task03:基于图神经网络的节点表征学习(3天
### Task03:基于图神经网络的节点表征学习(4天

- 基于图神经网络的节点表征学习的一般过程;
- 图神经网络为什么强于普通的MLP神经网络,以及GCN和GAT的差别;(见第5节)

### Task04:数据完整存储与内存的数据集类+节点预测与边预测任务实践(3天
### Task04:数据完整存储与内存的数据集类+节点预测与边预测任务实践(4天

- 如何构造一个数据全部存于内存的数据集类;(见第6-1节)
- 基于节点表征学习的图节点预测任务和边预测任务的实践。(见第6-2节)

### Task05:超大图上的节点表征学习(3天
### Task05:超大图上的节点表征学习(4天

- 在超大图上进行节点表征学习面临着的挑战;
- 应对挑战的一种解决方案;
- 通过实践学习超大图节点预测任务。(见第7节)

### Task06:基于图神经网络的图表示学习(3天
### Task06:基于图神经网络的图表示学习(4天

- 基于图神经网络的图表征学习的一般过程;(见第8节)

### Task07:图预测任务实践(3天
### Task07:图预测任务实践(4天

- 样本按需获取的数据集类的构造方法;(见第9-1节)
- 基于图表征学习的图预测任务的实践。(见第9-2节)
Expand Down