뒤로 가기
홈으로 이동
LearnFit
공유하기
YouTube, CS224W: Machine Learning with Graphs | 2021 | Lecture 1.3 - Choice of Graph Representation​
yun님의 학습노트

CS224W: Machine Learning with Graphs | 2021 | Lecture 1.3 - Choice of Graph Representation​

#Jure Leskovec
#Machine Learning
#CS224W
#Stanford
#graphs
#directed vs. undirected
#weighted vs. unweighted
#homogeneous vs bipartite
#abstracting graphs
00:00강의노트(59p~끝까지) : http://snap.stanford.edu/class/cs224w-2020/slides/01-intro.pdf
00:17graph의 구성 요소
01:49choosing a proper representation
03:28그래프 종류 비교 방향성(directed) vs 비방향성(undirected)
04:41Node Degrees : edge의 개수를 의미
04:51degree : 노드에 인접한 노드 수. ex) 노드 A(빨간 노드)에서 degree는 4개.
05:42in-degree : # of edges pointing towards the node
05:48out-degree : # of edges pointing outward from the node
06:07Bipartite Graph
08:44Adjacency Matrix
09:59adjacency matrix에서의 node degrees
12:32그래프를 표현하는 또 다른 방법 : Edge list로 나타내기
13:03edge list보다 더 나은 표현 방법 : Adjacency list
14:02Node and Edge Attributes
15:07graph의 여러가지 타입
16:49비방향성 그래프의 연결성
17:30예시
18:14방향성 그래프의 연결성 1. Strongly connected directed graph 2. Weakly connected directed graph
18:56Strongly connected directed graph
19:35summary
✔ 학습 완료

이런 러닝패스는 어때요?

yun님의 다른 노트는 어때요?

yun의 프로필 이미지
yun
의 학습노트

[EdTech 입문] DKT란?_Deep Knowledge Tracing

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
14
00:23
목차 1. DKT Model 2. DKT Model Input&Output 3. DKT 특성 및 한계
00:38
DKT 모델을 알아보자. DKT는 Knowledge Tracing에 DL을 적용시킨 모델로 학생들의 반응을 예측하는 문제에 RNN과 LSTM모델을 적용시킨 방법
👍
1
스크랩
yun의 프로필 이미지
yun
의 학습노트

기술 동향 및 현재 우리의 서비스_LearnFit 이란

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
12
00:21
목차. 이번 영상에서는 런핏이 시작하게 된 이유와 현재 서비스에 대해서 살펴봅니다.
00:31
LearnFit의 시작 | 라이브데이터는 모든 사람이 빠르고, 완벽하게 배울 수 있기를 희망합니다.
👍
1
스크랩
👋 다양한 인사이트를 읽어보고 계신가요?
나만의 학습 기록을 남기고, 관리하고 싶다면!
다양한 전문가의 멤버십 전용 콘텐츠를 보고 싶다면!
나의 학습 내용을 공유하고, 수익을 올리고 싶다면!
3초 회원가입/로그인으로, 런핏의 커뮤니티에 여러분도 함께하세요.
3초 만에 가입하기