למידת מכונה עם גרפים

האם תהיתם פעם כיצד חברת נטפליקס יודעת להמליץ לכם על הסרט הבא בדיוק מדהים? כיצד מערכות סייבר מזהות התקפה מתוחכמת המתחבאת מאחורי אלפי פעולות לגיטימיות? או איך מדענים מצליחים לחזות אינטראקציה בין מולקולות כדי לפתח תרופות מצילות חיים?

התשובה לכל אלו היא למידת מכונה עם גרפים (Graph Machine Learning), אחד התחומים החדשניים, המבוקשים והמשפיעים ביותר כיום בעולם הבינה המלאכותית.

קורס למידת מכונה עם גרפים נלמד בפקולטה להנדסה באוניברסיטת בר-אילן. זהו קורס מתקדם וייחודי מסוגו בתחום זה, המאפשר לסטודנטיות ולסטודנטים להכיר לעומק את האלגוריתמיקה שמאחורי ניתוח מידע רשתי וליישם טכניקות מתקדמות של למידת מכונה על גרפים.

לקבלת מידע נוסף בנושא קורס למידת מכונה עם גרפים או מידע על לימודים בפקולטה להנדסה בבר-אילן, צרו קשר דרך עמוד צור קשר ונחזור אליכם בהקדם.

מהי למידת מכונה עם גרפים?

למידת מכונה עם גרפים היא תחום מתקדם במדעי הנתונים ובבינה מלאכותית, שבו המידע מיוצג כרשת של קשרים בין ישויות שונות. במקום להתייחס רק למאפיינים של אובייקטים בודדים, האלגוריתמים לומדים גם את מערכת היחסים ביניהם. 

למידת מכונה עם גרפים היא סט של כלים ואלגוריתמים שנועדו לנתח מידע רשתי. במקום להסתכל על דאטה טבלאי "שטוח", המודלים הללו לומדים על גבי מבנים מורכבים שבהם צמתים (Nodes) המייצגים ישויות, וקשתות (Edges) המייצגות את היחסים ביניהן.

כך למשל ניתן ללמוד:

• ברשת חברתית - מי מחובר למי?

• בעולם הסייבר - אילו מחשבים מתקשרים זה עם זה?

• בתחום התחבורה - אילו כבישים מקשרים בין אזורים?

• בביולוגיה - כיצד מולקולות וחלבונים משפיעים זה על זה?

במה למידת מכונה עם גרפים שונה מלמידת מכונה "רגילה"?

ד"ר שחר סומין, מרצה בקורס למידת מכונה עם גרפים בפקולטה להנדסה באוניברסיטת בר-אילן מסבירה על ההבדל שבין למידת מכונה מסורתית לבין למידת מכונה עם גרפים: 

"הרשתות שבהן אנו חיים - חברתיות, ביולוגיות, דיגיטליות - מחזיקות בתוכן מידע שפשוט לא ניתן לקרוא ממאפייני הפריטים בלבד. בעולם שבו הכול מחובר, הנתונים הטבלאיים המסורתיים כבר אינם מספיקים. וכאן בדיוק נכנסת לתמונה למידת מכונה עם גרפים. היא מאפשרת לעבוד עם נתונים המאורגנים כרשתות; צמתים (nodes) המייצגים ישויות וקשתות (edges) המייצגות קשרים ביניהן.

למידת מכונה עם גרפים מביאה בחשבון גם את הקשרים בין הפרטים, ובכך מציעה שכבת מידע שלמה שלא הייתה נגישה קודם לכן. הקשרים מספרים לנו סיפור הרבה יותר עמוק והרבה פעמים הם מגלים לנו את האמת."

למידת מכונה קלאסית מתמקדת פעמים רבות במאפיינים אישיים של כל פרט. לדוגמה: ננסה לחזות התנהגות של בני אדם על בסיס מאפייני האדם, כמו שם, גובה, מצב משפחתי, אזור מגורים, גובה המשכורת. ואולם, מסבירה ד"ר סומין: "ההתנהגות של אנשים מושפעת לא פחות מההקשרים שלהם עם אחרים, ולא רק ממאפייניהם. לדוגמה, כאשר ניסינו לחזות את התפשטות מגפת הקורונה, השאלה הכי חשובה הייתה עם מי באתי במגע, ולא האם אני נשואה וכמה ילדים יש לי. כדי לחזות מעבר מבנק אחד לבנק אחר לא ניתן להסתפק במאפיינים אישיים בלבד. צריך להכיר גם הקשרים נרחבים יותר. אם למשל רוב החברים שלי עוברים בנק, גוברים הסיכויים שגם אני אעבור בנק. יש פה רשת השפעות שמבנה הקשרים בה חשוב לא פחות מהמאפיינים האישיים, וזה גם היה מוקד המחקר שלי בדוקטורט."

בלמידת מכונה קלאסית, האלגוריתם עובד בדרך כלל עם מידע טבלאי:

לעומת זאת, בלמידת מכונה על גרפים לא מסתכלים רק על הנתונים של האדם עצמו, אלא גם על הקשרים שלו:

• עם מי הוא מתקשר 

• ממי הוא מקבל מידע 

• אילו פרופילים דומים לו 

• מי משפיע עליו 

• אילו קשרים נוצרים לאורך זמן 

המשמעות היא שהמודל צריך להבין לא רק נתונים, אלא גם מבנה רשתי. וכאן האתגר הופך מורכב הרבה יותר שכן לא ניתן "סתם כך" להפעיל למידה עמוקה על דאטה רשתי. יש צורך באלגוריתמיקה ייעודית המאפשרת למודלים להבין מבני גרפים וקשרים מורכבים.

סיכום ההבדלים בין למידת מכונה עם גרפים לבין למידת מכונה מסורתית בטבלה:

יישומי למידת מכונה עם גרפים - עולם חדש של אפשרויות

אחת הסיבות לעניין הגובר בתחום למידת מכונה עם גרפים היא מגוון היישומים המעשיים. הנה חמישה תחומים שבהם למידת מכונה עם גרפים כבר משנה את כללי המשחק:

• זיהוי קמפיינים של השפעה: זיהוי מי מעביר מידע למי, מי עושה like ומי share, מאפשר לזהות פרופילים המשתייכים לקמפיין השפעה מתואם. זהו כלי קריטי במאבק בהסברה כוזבת, פייק ניוז ובמניפולציות פוליטיות.

• אבטחת סייבר: ניתוח הקשרים בין גורמים ברשת מאפשר לזהות שחקנים עוינים, לאתר אנומליות ולמנוע פרצות אבטחה לפני שהן מנוצלות.

• מערכות המלצה: "צביעת קשתות" בגרף היסטוריית הצפייה שלכם מאפשרת לחזות מה יהיה הסרט, השיר או המוצר הבא שתאהבו, וזהו הבסיס של מנועי ההמלצה המתוחכמים ביותר.

• גילוי תרופות ומחקר ביולוגי: מידול מבנה מולקולות כגרפים מאפשר לחזות אילו תרכובות עשויות להיות יעילות יותר כנגד מחלה מסוימת, ומאיץ דרמטית תהליכי מחקר רפואי ופיתוח.

• ניווט ותחבורה חכמה: אפליקציות ניווט כמו Waze מבוססות על אלגוריתמיקה גרפית: רשת הכבישים היא גרף, ומציאת המסלול האופטימלי היא בעיית למידה עליו.

לקבלת מידע נוסף בנושא קורס למידת מכונה עם גרפים או מידע על לימודים בפקולטה להנדסה בבר-אילן, צרו קשר דרך עמוד צור קשר ונחזור אליכם בהקדם.

קורס למידת מכונה עם גרפים בפקולטה להנדסה בבר-אילן

הפקולטה להנדסה באוניברסיטת בר-אילן מציעה קורס למידת מכונה עם גרפים - קורס מתקדם, חדשני וייחודי מסוגו, בתחום שנמצא כיום בחזית המחקר העולמי.

הקורס משלב בין:

• יסודות תאוריית הרשתות 

• למידת מכונה 

• למידה עמוקה 

• עבודה מעשית עם מודלים גרפיים 

קורס למידת מכונה עם גרפים מחבר בין שני עולמות: עקרונות יסוד של מדע הרשתות (Network Science) לבין טכניקות חדשניות של למידת מכונה ולמידה עמוקה. זוהי לא עוד הרחבה על קורס ה-ML הכללי, מדובר בפתיחת שער לסוג שלם של בעיות שבלי האלגוריתמיקה הזו פשוט לא ניתן לפתור.

מהי מטרת קורס למידת מכונה עם גרפים?

המטרה היא לחשוף את הסטודנטיות והסטודנטים הן לידע תיאורטי שמאחורי רשתות, והן לדרכי התמודדות עם אתגרים פרקטיים בתחומים כמו רשתות חברתיות, אבטחת סייבר ומסחר אלקטרוני.

מהם נושאי הלימוד המרכזיים בקורס למידת מכונה עם גרפים?

חלק א' - יסודות מדע הרשתות:

בחלק הראשון של קורס למידת מכונה עם גרפים נתמקד ביסודות תאוריית הרשתות, המהווה בסיס להבנת המבנה וההתנהגות של רשתות בעולם האמיתי:

• Network Properties - תכונות בסיסיות של רשתות: צפיפות, קוטר, ריכוזיות ועוד
• תופעת "העולם הקטן" - כיצד ישויות מרוחקות לכאורה מחוברות בשרשרות קצרות
• התפלגות חוק החזקה - הסבר להופעתם של "צמתים סמכותיים" ברשתות
• מודלים של התפשטות ויראלית על גבי רשתות

חלק ב' - למידת מכונה ולמידה עמוקה על גרפים:

•  Traditional Machine Learning with Graphs

•   Node Embedding - ייצוג צמתים במרחב וקטורי 

•   Information Propagation on Graphs - הפצת מידע על גרפים 

•  Deep Learning for Graphs - מבוא ללמידה עמוקה על גרפים 

•  GNNs - A Single Layer: GCN ו-GAT - רשתות נוירונים גרפיות בשכבה אחת 

•  GNNs - Multi Layer - ארכיטקטורות רב-שכבתיות 

•  Training GNNs - אימון רשתות נוירונים גרפיות 

•  Heterogeneous Graphs - גרפים הטרוגניים 

•  Scaling GNNs to Large Graphs - הרחבת GNNs לגרפים גדולים 
   

אילו מיומנויות נרכשות בקורס למידת מכונה עם גרפים?

הסטודנטיות והסטודנטים:

• מנתחים רשתות מורכבות 

• מפעילים אלגוריתמים מתקדמים 

• בונים מודלים בעצמם 

• עובדים במעבדות 

• מתנסים בפתרון בעיות אמיתיות 

• לומדים לפתח מודלי למידה עמוקה על גרפים 

הקורס כולל:

• תרגולים מעשיים במעבדות מתקדמות ומאובזרות

• פיתוח מודלים 

• עבודה עם דאטה אמיתי

מהן דרישות הקדם לקורס?

קורס למידת מכונה עם גרפים הוא קורס מתקדם וניתן ללמוד אותו רק לאחר השלמת קורסי היסוד:  פייתון, אלגברה ליניארית, מבוא ללמידת מכונה, מבוא ללמידה עמוקה והסתברות.

למה כדאי ללמוד למידת מכונה עם גרפים בפקולטה להנדסה בבר-אילן?

• קורס ייחודי, עדכני וחדשני - קורס למידת מכונה עם גרפים הוא נדיר יחסית באקדמיה הישראלית, והוא מאפשר להיחשף לאחד התחומים הצומחים ביותר בעולם הבינה המלאכותית כיום.

• שילוב בין תיאוריה לפרקטיקה - הסטודנטים לא רק לומדים עקרונות תאורטיים אלא הם גם מתנסים בפועל:

  • בכתיבת מודלים 

  • בניתוח נתונים 

  • בפתרון בעיות אמיתיות 

• תחום מבוקש בתעשייה - חברות רבות מחפשות כיום מומחים בתחומים כמו:

  • Graph Neural Networks 

  • Data Science 

  • AI 

  • Cyber AI 

  • Recommendation Systems 

• הכנה מצוינת לתעשייה ולמחקר - קורס למידת מכונה עם גרפים מעניק ידע וכלים הן להשתלבות בתעשיית ההייטק והבינה המלאכותית והן להמשך מחקר אקדמי מתקדם בתחומי למידת מכונה, רשתות ובינה מלאכותית.

• מעבדות ותרגול Hands-on – - הקורס כולל תרגולים מעשיים, עבודה במעבדות והתנסות ישירה בבניית מודלים ויישום אלגוריתמים על דאטה רשתי אמיתי, כך שהלמידה יישומית ומעמיקה יותר.

• מרצה מובילה בתחום – קורס למידת מכונה עם גרפים מועבר על ידי מרצה החוקרת את התחום באופן פעיל, עם מחקרים עדכניים ופרסומים רלוונטיים, כך שהסטודנטים נחשפים לטכנולוגיות, רעיונות והתפתחויות הנמצאים בחזית המחקר העולמי.

לקבלת מידע נוסף בנושא קורס למידת מכונה עם גרפים או מידע על לימודים בפקולטה להנדסה בבר-אילן, צרו קשר דרך עמוד צור קשר ונחזור אליכם בהקדם.