VIP12
本课程属于：048-金融图机器学习与关系建模 智能金融与金融工程 · 共 12 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

大规模金融图采样与Mini-batch训练

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=学习目标 · 金融图数据的规模与挑战 · 图采样与Mini-batch训练的整…
课程导入目标=学习目标
02
金融图数据基础
目标=节点 · 边 · 属性
金融图数据基础目标=节点
03
图神经网络入门
目标=GCN · GraphSAGE · GAT等经典模型原理
图神经网络入门GCN
04
大规模图训练的核心问题
目标=显存瓶颈 · 计算效率 · 邻居爆炸
大规模图训练的核…目标=显存瓶颈
05
图采样基本概念
目标=采样目标 · 采样粒度 · 采样偏差
图采样基本概念目标=采样目标
06
节点采样方法
目标=随机节点采样 · 重要性采样 · 分层采样及其在金融图中的应用
节点采样方法目标=随机节点采…
07
边采样方法
目标=随机边采样 · 负采样 · 基于游走的边采样
边采样方法目标=随机边采样
08
邻居采样方法
目标=GraphSAGE邻居采样 · 层采样 · 重要性邻居采样
邻居采样方法GraphSAGE
09
子图采样方法
目标=随机游走 · Metropolis-Hasting… · 图聚类采样
子图采样方法目标=随机游走
10
金融图采样特殊考量
目标=时序依赖 · 类别不平衡 · 隐私保护
金融图采样特殊考…目标=时序依赖
11
Mini-batch训练原理
目标=批处理 · 梯度累积 · 内存管理
Mini-batch训练原理
12
Mini-batch构造流程
目标=从采样到子图划分 · 特征加载 · 标签对齐的完整流水线
Mini-batch构造流程
13
PyTorch Geometric与DGL入门
目标=图数据加载 · 采样器API · Mini-batch训练示例
PyTorchGeometric
14
分布式图采样
目标=参数服务器 · 图分区 · 跨机通信
分布式图采样目标=参数服务器
15
金融图采样实战一
目标=基于GraphSAGE的欺诈检…
金融图采样实战一GraphSAGE
16
金融图采样实战二
目标=基于随机游走的时序交易图节点分…
金融图采样实战二目标=基于随机游…
17
金融图采样实战三
目标=异构图上的元路径采样与Mini…
金融图采样实战三Mini
18
采样质量评估
目标=偏差-方差分析 · 收敛性 · 对下游任务指标的影响
采样质量评估目标=偏差
19
训练加速技巧
目标=混合精度 · 梯度检查点 · 缓存机制
训练加速技巧目标=混合精度
20
常见问题与调优
目标=采样不足 · 过采样 · 内存溢出
常见问题调优
21
金融场景下的可解释性与合规
目标=采样对模型解释的影响 · 监管要求
金融场景下的可解…合规
22
动态图与在线学习
目标=增量采样 · 流式Mini-batch · 概念漂移应对
动态图线学习
23
图采样与隐私计算
目标=差分隐私采样 · 联邦图学习中的采样策略
图采样隐私计算
24
综合案例一
目标=大规模信贷风控图中的Mini-…
综合案例一Mini
25
综合案例二
目标=反洗钱场景下的异构图采样与分布…
综合案例二目标=反洗钱场景…
26
综合案例三
目标=金融推荐系统中的图采样与实时M…
综合案例三目标=金融推荐系…
27
性能基准与实验设计
目标=数据集 · 基线模型 · 评价指标
性能基准实验设计
28
前沿进展
目标=自适应采样 · 强化学习采样 · 图基础模型中的采样技术
前沿进展目标=自适应采样
29
课程总结
目标=知识体系回顾 · 核心方法对比 · 最佳实践清单
课程总结目标=知识体系回…
30
综合提升
目标=项目实战建议 · 进阶学习资源 · 职业发展路径
综合提升目标=项目实战建…