Khá giống với render props bên react, bài viết rất thực tế

Khoá học Global Developer mình có học trước khi đi apply thành công sang Sing, đợt tới lại tuyển Gen 5. Mình để link các bạn nào quan tâm thì có thể tham khảo nhé. https://bit.ly/3HNGS1W

Mình thay i = 0 ở dòng 5 thành let i = 0 cũng chạy đc tốt 😅

😀😎😎

Bài dịch đúng là ném tất cả nội dung vào google dịch và dịch sang . Mong chủ tus điều chỉnh lại cho đúng nghĩ tiếng việt hơn hêhe 😀

ồ, Đức lớp mình nè

Tôi đã phải tạo tài khoản để mà vô và dislike bài này. Đọc xong không hiểu gì

@xdangminhtruongx Em cảm ơn ạ ^^

cho em hỏi định hướng liên kết trong các biểu đồ lớp là gì được không ạ

Nghe lén wifi

e đang học về front end nó có biết chút về api với js ấy bác :v

Em cảm ơn mọi người nhiều ạ ^^

cảm ơn chia sẻ của em, anh rất trông chờ vào những bài tiếp theo.

cùng tâm sự anh ơi (khoc2)

@binhloc25012015 okie bạn ơi

Em chào anh, em cũng trong team AI Research và bé hơn anh nên em xin phép gọi anh là anh ạ.

1. Về câu hỏi tại sao dùng ma trận Laplacian vì chúng ta có thể biểu diễn đồ thị và tính chất của đồ thị thông qua ma trận Laplacian
2. Về lý do tại sao lại dùng ma trận kề thì có hai góc nhìn:

• Một là xuất phát từ lý thuyết công thức Spetral Graph Convolution, ma trận kề xuất hiện trong ma trận Laplcacian nên trong công thức biểu diễn có ma trận kề A.
• Hai là góc nhìn từ công thức mạng neural network. Cách này sẽ dễ hiểu hơn vì sẽ không động đến các khái niệm về Spetral Graph Convolution. Thì ma trận kề A đóng vai trò để tổng hợp đặc trưng các node hàng xóm để xây dựng đặc trưng của node hiện tại. Anh có thể tham khảo chi tiết hơn tại bài viết này: https://towardsdatascience.com/understanding-graph-convolutional-networks-for-node-classification-a2bfdb7aba7b.

3. Về hướng minibatch trong graph thì đã có một số paper đã nghiên cứu như ClusterGCN: https://arxiv.org/abs/1905.07953 để khắc phục cách huấn luyện full batch như ở paper GCN bên trên. Bài viết này e cũng dự định viết trong thời gian tới. Nếu có dịp anh em mình sẽ cùng thảo luận nhé

cảm ơn b

GNN có thể nhìn từ 3 góc nhìn là tính đối xứng, lý thuyết đồ thị phổ và chuỗi Markov, không biết anh có thể phân tích cụ thể hơn về tính chất của nó không ạ, ví dụ như tại sao lại dùng ma trận kề/Laplacian, tại sao dùng đa thức của ma trận này, cũng như phân tích phổ của đồ thị là gì. Một số hướng minibatch cho graph cần phân hoạch đồ thị, không biết có thể phân tích cách làm này từ lý thuyết đồ thị phổ không ạ?

bài viết hay quá

Mới lớp 8 thôi mà giỏi nhỉ, chân thành thì anh nghĩ em nên tập trung học tiếng anh thật tốt vào. Mai này muốn thành fullstack gì cũng được hết 😁