Sidia is a education Platform website.
Deskripsi Mata Kuliah
Mata kuliah Graf Sains Data berfokus pada fundamental dan terapan Graf dalam keperluan pemodelan data, insight analysis, dan pembelajaran struktur. Mata kuliah ini akan membahas teori dasar graf, pengelolaan dan transformasi data berstruktur graf, serta pembelajaran graf. Topik-topik yang diangkat dalam perkuliahan ini adalah matrix representasi graf, intuisi dibalik dan implementasi similarity distance, graph database, dan graph neural network.
CPMK
- Dapat menjelaskan komponen-komponen inti dalam sebuah graf
- Dapat memformulasikan representasi data dalam struktur graf
- Dapat mengelola data dalam penyimpanan berstruktur graf
- Dapat mereplikasi proses kalkulasi algoritme-algoritme content-based recommendation
- Dapat menerapkan algoritme-algoritme graph neural network pada kasus node classification
Aktifitas Pembelajaran
-
Pertemuan 1 Dapat menjelaskan kembali representasi-representasi matriks dalam graf -
Pertemuan 2 Dapat menjelaskan tahapan pengelolaan data berstruktur graf berorientasi framework CRISP-DM -
Pertemuan 3 Konsep basis data graf -
Pertemuan 4 Konsep basis data graf -
Pertemuan 5 Konsep basis data graf -
Pertemuan 6 Basis data graf -
Pertemuan 7 Dapat menjelaskan fundamental algoritme content-based recommendation menggunakan query basis data -
Pertemuan 8 Dapat menjelaskan fundamental algoritme content-based recommendation menggunakan similarity distance -
Pertemuan 9 Dapat menjelaskan fundamental algoritme collaborative filtering berjenis memori (memory-based) -
Pertemuan 10 Dapat menjelaskan fundamental algoritme collaborative filtering berjenis memori (memory-based) -
Pertemuan 11 Fundamental graph representation learning -
Pertemuan 12 Fundamental graph representation learning -
Pertemuan 13 Konsep dasar node classification dalam pembelajaran graf -
Pertemuan 14 Konsep node classification dalam pembelajaran graf -
Pertemuan 15 Konsep node classification dalam pembelajaran graf -
Pertemuan 16 Konsep node classification dalam pembelajaran graf
Pustaka
- A. Negro and J. Webber, Graph-powered machine learning. Shelter Island: Manning, 2021.
- L. Wu, P. Cui, J. Pei, and L. Zhao, Eds., Graph Neural Networks: Foundations, Frontiers, and Applications. Singapore: Springer Nature Singapore, 2022. doi: 10.1007/978-981-16-6054-2.
- F. Scarselli, M. Gori, Ah Chung Tsoi, M. Hagenbuchner, and G. Monfardini, “The Graph Neural Network Model,” IEEE Trans. Neural Netw., vol. 20, no. 1, pp. 61–80, 2009, doi: 10.1109/TNN.2008.2005605.
Dosen
Difficult Things About Education.
$75$10
More Similar Courses
Related Courses
Genetika dan Genomik
Meliputi lingkup pendahuluan (pengenalan istilah-istilah yang digunakan dalam belajar genetika, genetika Mendel (Hukum Mendel I & II, persilangan dengan berbagai sifat beda, penyimpangan semu Hukum
Taksonomi Numerik*
Matakuliah Taksonomi Numerik pada program studi Biologi jenjang S1 bertujuan untuk memberikan pemahaman tentang metode-metode taksonomi numerik yang digunakan dalam klasifikasi organisme berdasarkan data numerik.
Bio Rekayasa
Matakuliah ini mengkaji pengertian dan ruang lingkup biorekayasa dan time line perkembangan penelitian biorekayasa, terobosan dan kecenderungan di dalam biorekayasa pada organisme monoseluler sampai multiseluler,
Copyright © 2026 Sinau Digital UNESA All Rights Reserved