7.4 Graph Neural Networks (GNN)

📌 Ushbu darsda siz quyidagilarni o'rganasiz: 1️⃣ Graf nima — tugunlar, qirralar va adjacency matrix bilan ma'lumotni raqamlarda ifodalash 2️⃣ Message Passing — GNNning yuragi: message → aggregate → update uch qadami 3️⃣ GCN formulasi — Kipf & Welling konvolyutsiyasi va nima uchun degree bilan normalizatsiya kerak 4️⃣ K qatlam = K-uzoqlik — qancha qatlam yetarli va over-smoothing muammosi 5️⃣ Amaliy misol — Python'da do'st tavsiyasi (link prediction) tizimini noldan qurish 🎯 Bu dars orqali siz quyidagini chuqur tushunasiz: CNN rasmlar uchun, Transformer matnlar uchun. Lekin molekula, ijtimoiy tarmoq, yo'l xaritasi kabi graf shaklidagi ma'lumotlar uchun maxsus arxitektura kerak — bu Graph Neural Networks. GNN — bu CNNning umumlashtirilgan versiyasi: "qo'shni piksellar" o'rniga "qo'shni tugunlar" bilan ishlaydi va istalgan o'lchamdagi grafda ishlay oladi. Bugungi eng muhim tizimlar — AlphaFold (protein strukturasi), Google Maps (trafik bashorati), Pinterest va Uber Eats (tavsiyalar), Facebook ("Siz tanishingiz mumkin") — barchasi GNN asosida qurilgan. Bu — sokin inqilob: biz har kuni GNN dan foydalanamiz, lekin uni ko'rmaymiz. 👉 Kurs rejasi (to'liq): 🔗   / deep-learning-matematikasi-intensiv-kurs-r...   📌 Telegram kanal: 👉 https://t.me/EldorML