书名：Graph Neural Networks in Action

作者：Keita Broadwater, Namid Stillman

年份：2025

出版社：Manning Publications

下载链接：

链接: https://pan.baidu.com/s/1iQE5aKb2ZCOV92Ig3coJAg?pwd=42f7

书籍汇总：

链接: https://pan.baidu.com/s/1wp1sxh_p5Cv9dI5OpBaSCg?pwd=2arp

链接: https://pan.baidu.com/s/1FFw_24YdJIUfLGunRGT_7g?pwd=9at9

书籍简介

一本关于强大基于图的深度学习模型的实践指南。在《图神经网络实战》一书中，您将学习如何：

训练和部署图神经网络

生成节点嵌入

在超大数据集上使用图神经网络（GNNs）

构建图数据管道

创建图数据模式

理解图神经网络的分类

使用NetworkX操作图数据

《图神经网络实战》教您如何创建强大的深度学习模型，用于处理图数据。您将学习如何设计和训练模型，并将其发展为可以部署到生产环境的实际应用。通过动手实践，您将通过相关的现实项目深入探讨图神经网络，掌握节点预测、链接预测和图分类等技术。在这本实用指南中，您将了解常见的图神经网络架构和前沿的库，并通过精心注释的Python代码进行清晰的说明。

关于技术

图神经网络将深度学习的能力扩展到传统的表格数据、文本和图像之外。这种令人兴奋的新方法将深度学习的惊人能力引入图数据结构，为从推荐引擎到制药研究的各个领域开辟了新的可能性。

关于本书

在《图神经网络实战》中，您将创建适用于处理互联图数据的深度学习模型。从全面介绍图数据的独特属性开始，然后直接深入构建现实世界的模型，包括能够从社交网络生成节点嵌入的GNN，推荐电子商务产品，并从社交网站中提取见解。本书全面介绍了包括PyTorch Geometric、DeepGraph Library以及阿里巴巴的GraphScope等关键的GNN库，支持大规模训练。

适合读者

本书适合熟悉机器学习和深度学习基础的Python程序员。

关于作者

Keita Broadwater博士，MBA，是一位拥有超过十年数据科学、分析和机器学习应用经验的机器学习工程师。他是candidates.ai的机器学习负责人，该公司利用AI提升高管搜索的效率。

Broadwater博士曾为各类组织提供数据科学和机器学习项目支持，从小型初创公司到财富500强企业，并在保险、HR招聘和供应链等行业开展过与图相关的项目开发和咨询工作。

读者评论

“终于有了一本全面介绍图和图机器学习的书，我等了很久！”— Davide Cadamuro

“写得非常好，解释清晰。”— Maxim Volgin

“如果你想保持在知识管理和AI领域的最新进展，赶紧买这本书吧。”— George Loweree Gaines

“如果你想把神经网络的知识应用到图数据中，这本书是你正确的资源。”— Ninoslav Cerkez