随身听第39期: GNN课程详解——图数据切分与模型数据载入
上期我们介绍了基于图神经网络GNN的图异常值检测,今天我们就来了解一下图数据切分与模型数据载入的问题,本期内容节选自TigerGraph图课堂直播,欢迎登陆官网观看完整版视频,利用TigerGraph ML Workbench(机器学习工作台)进行的demo演示。另外,也跟大家预告一下我们明天的图课堂直播课程,本期内容将分享TigerGraph的全新方案:在图数据库中使用GNN对十亿级数据进行全量推理。
上期我们介绍了基于图神经网络GNN的图异常值检测,今天我们就来了解一下图数据切分与模型数据载入的问题,本期内容节选自TigerGraph图课堂直播,欢迎登陆官网观看完整版视频,利用TigerGraph ML Workbench(机器学习工作台)进行的demo演示。另外,也跟大家预告一下我们明天的图课堂直播课程,本期内容将分享TigerGraph的全新方案:在图数据库中使用GNN对十亿级数据进行全量推理。
TigerGraph图课堂将带大家探索在不同图神经网络模型与各类数据集,如何利用TigerGraph和Machine LearningWorkbench (机器学习工作台)进行数据切分模型数据加载。如何在TigerGraph 图数据库中使用GNN对十亿级数据进行全量推理。
今天我们要介绍的是由伊利诺伊大学芝加哥分校正在攻读博士学位的博士生窦英通撰写的基于图神经网络的图异常值检测文章,作者致力于图数据挖掘、欺诈检测和安全机器学习。文章的内容基于他最近的论文和 在KDD 2022 机器学习在金融领域workshop的分享。
今天的随身听,我们将主要围绕“洞察”这个主题进行讨论。在这本O'Reilly电子书的机器学习章节中,您可以详细地看到图如何增强机器学习的中心阶段,即特征提取和所有重要的模型训练。这些独特的图特征为机器学习提供了更好的构建模型的原材料。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.