كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجة

المشاريع البحثية

Research Projects

عشرة مشاريع بحثية بمستويات مختلفة: الهدف والمتطلبات والبيانات والخوارزمية وخطوات التنفيذ ومقاييس التقييم والنتائج المتوقعة، مع تجربة تبدأ بها في المختبر.

المشاريع مصممة لتنتقل من تجربة صغيرة في المتصفح إلى تجربة قابلة للنشر بـ PyTorch Geometric. كل مشروع يحدد ما يُقاس وكيف تُقرر هل نجحت الفكرة، مع تنبيهات منهجية (تسرب البيانات، البذور، التقسيم).

المشاريع البحثية

مبتدئفي المتصفحخط أساس صادق على شبكة الكاراتيهمشروع أول لتعلم دورة التجربة كاملة: تقسيم، تدريب، تقييم بعدة بذور، وتقرير بالتباين لا برقم واحد.متوسطPython (PyG)إعادة إنتاج GCN على Coraإعادة إنتاج تجربة التصنيف شبه الموجَّه على Cora بالتقسيم القياسي، ثم بتقسيمات عشوائية، لفهم حساسية النتائج.متقدمالمتصفح ثم Pythonدراسة الإفراط في التنعيمقياس أثر العمق على GCN، ثم اختبار علاج واحد (وصلات تخطٍّ أو DropEdge أو PairNorm) وقياس أثره.متوسطالمتصفح ثم Pythonمعيار مصغر للتنبؤ بالروابطمقارنة عادلة بين المقاييس الكلاسيكية وGAE وVGAE على الأزواج نفسها مع عينات سلبية ثابتة.متوسطالمتصفح ثم Pythonتصنيف الجزيئات بـ GINتصنيف الرسوم: من التجربة المصغرة في المتصفح (دورات مقابل أشجار) إلى MUTAG في PyG بتقييم متقاطع.متقدمالمتصفح ثم Pythonهل التفسير صادق؟ قياس الدقة التفسيريةمقارنة GNNExplainer وGraphLIME والبروز (Saliency) بمقياس كمي: كم تتغير توقعات النموذج حين نحذف ما قال المفسّر إنه مهم؟متقدمفي المتصفحمتى يخذلنا الرسم؟ التجانس المعكوستوليد رسوم SBM بنسب تجانس مختلفة ومقارنة GCN وGraphSAGE وMLP.متقدمالمتصفح ثم PythonR-GCN على رسم معرفيتصنيف الكيانات في رسم متعدد العلاقات ومقارنة R-GCN بـ GCN الذي يتجاهل نوع العلاقة.مبتدئفي المتصفحخريطة التمثيلاتاستخراج تمثيلات العقد من GCN مدرب وعرضها بـ PCA وt-SNE ومقارنتها بالمجموعات الحقيقية.متقدمPython (PyG)التدريب على رسم كبير: ogbn-arxivالانتقال من التدريب على الرسم كاملاً إلى أخذ عينات الجيران (GraphSAGE) أو التقسيم إلى عناقيد (Cluster-GCN)، مع قياس الذاكرة والزمن.

أسئلة شائعة

كيف أستخدم المشاريع البحثية؟

كل مشروع يحدد سؤالاً بحثياً ومجموعة بيانات وخوارزمية وخطوات ومقاييس، ويربط بتجربة جاهزة في المختبر للبدء وبأمثلة PyG الرسمية للتوسع. المشاريع المعلَّمة «Python» تحتاج بيئة PyTorch Geometric.

كيف أثبّت PyTorch Geometric؟

في بيئة Python 3.10 أو أحدث: ثبّت PyTorch أولاً حسب نظامك من pytorch.org، ثم `pip install torch_geometric`. الحزم الإضافية (pyg_lib وtorch_scatter وغيرها) اختيارية في الإصدارات الحديثة. وثائق التثبيت الرسمية في pytorch-geometric.readthedocs.io.

حدود التنفيذ

النتائج المتوقعة توجيهات منهجية لا أرقام مضمونة. الشيفرات المرتبطة من التوثيق الرسمي للمكتبات.

المراجع

  1. Fey, M., & Lenssen, J. E. (2019). Fast Graph Representation Learning with PyTorch Geometric. ICLR 2019 Workshop on Representation Learning on Graphs and Manifolds. arXiv: 1903.02428المكتبة المستخدمة في خادم Python الاختياري ومصدر إحصاءات مجموعات البيانات.
  2. Wang, M., Zheng, D., Ye, Z., Gan, Q., Li, M., Song, X., et al. (2019). Deep Graph Library: A Graph-Centric, Highly-Performant Package for Graph Neural Networks. arXiv preprint. arXiv: 1909.01315مكتبة بديلة لـ PyG.
  3. PyG Team. PyTorch Geometric documentation. Official documentation. pytorch-geometric.readthedocs.ioالتوثيق الرسمي للمكتبة؛ منه أُخذت جداول إحصاءات المجموعات (الإصدار 2.8.1).