מרשתות מורכבות ללמידה מבוססת גרפים

גרפים הם השפה המתמטית לתיאור נתונים יחסיים: רשתות חברתיות, מערכות אקולוגיות, רשתות ביולוגיות בתא, מולקולות, גרפי ידע ומערכות המלצה מתוארים באופן הנאמן ביותר לא כטבלאות של שורות בלתי-תלויות, אלא כרשתות של ישויות המקושרות זו בזו — צמתים וקשתות. הקורס מלמד גם להבין את המבנה של רשתות כאלה וגם לבנות מערכות למידה חישובית הלומדות ישירות מהן, עד לרשתות נוירונים על גרפים (Graph Neural Networks) — אחד התחומים הצומחים והמשפיעים בלמידה חישובית כיום. הקורס בנוי בשלושה שלבים: תחילה מדע הרשתות המורכבות — כיצד מתארים רשתות מהעולם האמיתי, ומדוע רשתות מתחומים שונים לחלוטין חולקות אותן תכונות טופולוגיות (התפלגות דרגה בעלת זנב עבה ורשתות נטולות קנה-מידה, רכזות, תופעת העולם הקטן ומבנה קהילתי). לאחר מכן ארגז הכלים הקלאסי של למידה חישובית על גרפים — מאפיינים מבניים, node embeddings, חיזוי קשתות וזיהוי קהילות, ללא צורך ברקע בלמידה עמוקה. לבסוף בניית רשתות נוירונים על גרפים מהיסוד, החל ממבוא עצמאי לרשתות נוירונים ולמידה עמוקה (deep learning), דרך העברת מסרים (message passing) וקונבולוציה על גרפים, הארכיטקטורות המובילות (GCN, GraphSAGE, GAT), ועד גרפי ידע (Knowledge Graphs), מערכות המלצה ונושאים מתקדמים כגון Graph RAG. הקורס כולל תרגילי בית מעשיים בפייתון (NetworkX ו-PyTorch Geometric). בחינה