Universität Wien

250124 VO Graph Algorithms and Machine Learning (2023S)

3.00 ECTS (2.00 SWS), SPL 25 - Mathematik
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Englisch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Freitag 10.03. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 17.03. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 24.03. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 31.03. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 21.04. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 28.04. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 05.05. 16:00 - 17:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 12.05. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 19.05. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 26.05. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 02.06. 16:00 - 17:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 09.06. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 16.06. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
  • Freitag 23.06. 15:00 - 17:30 Hörsaal 3 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Freitag 30.06. 16:00 - 17:30 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock

Information

Ziele, Inhalte und Methode der Lehrveranstaltung


Graphs can represent complex relationships between objects, with many fundamental applications modeling social, technological, and biological networks.

This course discusses algorithms and modeling problems in the context of big graphs.

Objectives:
Graph representation learning
Graph Neural Networks,
Reasoning over Knowledge Graphs.

Art der Leistungskontrolle und erlaubte Hilfsmittel

here are two possibilities to achieve a successful grade in the course:
Theoretical exams: you will be expected to demonstrate a rigorous understanding of the mathematics involved in the algorithms. OR
Submit a project (preferably in Python) implementing specific algorithms covered (details provided in class)

Mindestanforderungen und Beurteilungsmaßstab

Prüfungsstoff

Literatur

Graph Representation Learning by William L. Hamilton

Zuordnung im Vorlesungsverzeichnis

MAMV

Letzte Änderung: Di 20.08.2024 00:15