{"product_id":"graph-neural-networks-in-action-9781617299056","title":"Redes neuronales gráficas en acción","description":"\u003cb\u003eUna guía práctica para potentes modelos de aprendizaje profundo basados en gráficos.\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e\u003ci\u003eRedes neuronales gráficas en acción\u003c\/i\u003e le enseña a construir redes neuronales gráficas de vanguardia para motores de recomendación, modelado molecular y más. Esta guía completa cubre las bibliotecas GNN esenciales, incluyendo PyTorch Geometric, DeepGraph Library y GraphScope de Alibaba para el entrenamiento a escala. \u003cp\u003e\u003c\/p\u003e En \u003ci\u003eRedes neuronales gráficas en acción\u003c\/i\u003e, aprenderá a: \u003cp\u003e\u003c\/p\u003e - Entrenar y desplegar una red neuronal gráfica\u003cbr\u003e - Generar incrustaciones de nodos\u003cbr\u003e - Usar GNNs a escala para conjuntos de datos muy grandes\u003cbr\u003e - Construir una tubería de datos gráficos\u003cbr\u003e - Crear un esquema de datos gráficos\u003cbr\u003e - Comprender la taxonomía de las GNNs\u003cbr\u003e - Manipular datos gráficos con NetworkX \u003cp\u003e\u003c\/p\u003e En \u003ci\u003eRedes neuronales gráficas en acción\u003c\/i\u003e aprenderá a diseñar y entrenar sus modelos, y a convertirlos en aplicaciones prácticas que podrá implementar en producción. Ponga manos a la obra y explore proyectos relevantes del mundo real mientras se sumerge en redes neuronales gráficas perfectas para la predicción de nodos, la predicción de enlaces y la clasificación de gráficos. \u003cp\u003e\u003c\/p\u003e Prólogo de \u003cb\u003eMatthias Fey\u003c\/b\u003e. \u003cp\u003e\u003c\/p\u003e La compra del libro impreso incluye un eBook gratuito en formatos PDF y ePub de Manning Publications. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre la tecnología\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e Los gráficos son una forma natural de modelar las relaciones y jerarquías de los datos del mundo real. Las redes neuronales gráficas (GNNs) optimizan el aprendizaje profundo para datos altamente conectados, como en motores de recomendación y redes sociales, junto con aplicaciones especializadas como el modelado molecular para el descubrimiento de fármacos. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre el libro\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e \u003ci\u003eRedes neuronales gráficas en acción\u003c\/i\u003e le enseña cómo analizar y hacer predicciones sobre datos estructurados como gráficos. Trabajará con redes convolucionales de gráficos, redes de atención y autocodificadores para abordar tareas como la clasificación de nodos, la predicción de enlaces, el trabajo con datos temporales y la clasificación de objetos. En el camino, aprenderá los mejores métodos para entrenar e implementar GNNs a escala, ¡todo claramente ilustrado con código Python bien anotado! \u003cp\u003e\u003c\/p\u003e \u003cb\u003eQué incluye\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e - Entrenar y desplegar una red neuronal gráfica\u003cbr\u003e - Generar incrustaciones de nodos\u003cbr\u003e - Usar GNNs para conjuntos de datos muy grandes\u003cbr\u003e - Construir una tubería de datos gráficos \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre el lector\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e Para programadores de Python familiarizados con el aprendizaje automático y los conceptos básicos del aprendizaje profundo. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eSobre el autor\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e \u003cb\u003eKeita Broadwater\u003c\/b\u003e, PhD, MBA es un ingeniero experimentado en aprendizaje automático. \u003cb\u003eNamid Stillman\u003c\/b\u003e, PhD es un científico investigador e ingeniero de aprendizaje automático con más de 20 publicaciones revisadas por pares. \u003cp\u003e\u003c\/p\u003e \u003cb\u003eTabla de Contenidos\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003e Parte 1\u003cbr\u003e 1 Descubriendo las redes neuronales gráficas\u003cbr\u003e 2 Incrustaciones de gráficos\u003cbr\u003e Parte 2\u003cbr\u003e 3 Redes neuronales convolucionales de grafos y GraphSAGE\u003cbr\u003e 4 Redes de atención de grafos\u003cbr\u003e 5 Autoencoders de grafos\u003cbr\u003e Parte 3\u003cbr\u003e 6 Grafos dinámicos: GNNs espacio-temporales\u003cbr\u003e 7 Aprendizaje e inferencia a escala\u003cbr\u003e 8 Consideraciones para proyectos GNN\u003cbr\u003e A Descubriendo grafos\u003cbr\u003e B Instalación y configuración de PyTorch Geometric\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-15503383\"\u003eKeita Broadwater\u003c\/a\u003e, \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-15503384\"\u003eNamid Stillman\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Manning Publications\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 15\/04\/2025\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 392\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 1.45 libras\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 9.20h x 7.40w x 0.80d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781617299056\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1617299057\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eComputadoras\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM051360\"\u003eLenguajes | Python\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eComputadoras\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM094000\"\u003eCiencia de Datos | Aprendizaje Automático\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eComputadoras\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM044000\"\u003eCiencia de Datos | Redes Neuronales\u003c\/a\u003e\u003cbr\u003e\u003cbr\u003e\u003cp\u003e\u003cb\u003eSobre el autor\u003c\/b\u003e\u003cbr\u003e\u003cb\u003eKeita Broadwater\u003c\/b\u003e, PhD, MBA es un ingeniero de aprendizaje automático con más de diez años ejecutando aplicaciones y proyectos de ciencia de datos, análisis y aprendizaje automático. Es Jefe de Aprendizaje Automático en candidates.ai, una empresa que utiliza la IA para mejorar la búsqueda de ejecutivos. El Dr. Broadwater ha entregado proyectos de DS y ML para todo tipo de organizaciones, desde pequeñas startups hasta empresas de Fortune 500, y ha desarrollado y asesorado en proyectos relacionados con gráficos en las industrias de seguros, recursos humanos y contratación, y cadena de suministro. \u003c\/p\u003e\u003cp\u003e\u003c\/p\u003e\u003cb\u003eNamid Stillman\u003c\/b\u003e, PhD es un científico investigador e ingeniero de aprendizaje automático con más de 20 publicaciones revisadas por pares.","brand":"Manning Publications","offers":[{"title":"Default Title","offer_id":48459606491373,"sku":"9781617299056","price":79.98,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/files\/img_f6a0427e-4313-4548-8894-2c8c7af089ac.jpg?v=1753643016","url":"https:\/\/sureshotbooks.com\/es\/products\/graph-neural-networks-in-action-9781617299056","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}